Brauchen wir Statistiken für Data Science?

Jan 04 2023
Ja, das war die Frage für die meisten Anfänger, die eine Karriere in Data Science anstreben, da der Begriff Data Science überall herumschwirrt. Wenn Sie die gleiche Frage haben, sind Sie hier richtig, um sich Gedanken darüber zu machen . Wenn Sie versuchen, in die Datenwissenschaft einzusteigen, versuchen Sie möglicherweise, Antworten auf folgende Fragen zu erhalten: Bin ich mit Python vertraut? Bin ich mit Klassifikation und Regression vertraut? Bin ich mit Deep Learning vertraut? Kenne ich mich mit SQL aus? Bin ich mit Tableau vertraut? Aber Statistiken spielen eine große Rolle in der Datenwissenschaft.

Ja, das war die Frage für die meisten Anfänger, die eine Karriere in der Datenwissenschaft anstreben, da der Begriff Datenwissenschaft überall herumschwirrt

Foto von Artem Maltsev auf Unsplash

Wenn Sie die gleiche Frage haben, sind Sie hier richtig, um sich Gedanken dazu zu machen.

Wenn Sie versuchen, in die Datenwissenschaft einzusteigen, versuchen Sie möglicherweise, Antworten auf folgende Fragen zu erhalten:

Kenne ich mich mit Python aus?

Bin ich mit Klassifikation und Regression vertraut?

Bin ich mit Deep Learning vertraut?

Kenne ich mich mit SQL aus?

Bin ich mit Tableau vertraut?

Aber Statistiken spielen eine große Rolle in der Datenwissenschaft. Von der Datenextraktion, dem Data Wrangling, der Merkmalsextraktion und der Modellerstellung bis hin zur Modellbewertung. Auch hinter all den ML-Algorithmen spielen Statistiken eine bedeutende Rolle

Josh Wills , ehemaliger Head of Data Engineering bei Slack, sagte: „ Ein Datenwissenschaftler ist eine Person, die besser in Statistik ist als jeder Programmierer und besser im Programmieren als jeder Statistiker. ”

Sie könnten fragen, ich kenne die Maße der zentralen Tendenz … Mittelwert, Median und Modus. Was soll ich noch in Statistik tun?

Es gibt noch viel mehr in der Statistik, ich möchte einige statistische Begriffe vorstellen, die in der Datenwissenschaft verwendet werden

Wahrscheinlichkeiten und Wahrscheinlichkeitsverteilungen – Feature Engineering

Sampling – Train-Test-Split & A/B-Testing

Verteilungen der Daten – Feature Engineering und Normalisierung

Interquartilbereich – Ausreißererkennung

Statistischer Signifikanztest – Hypothesentest

Deskriptive Statistik: Merkmale einer Population.

Inferenzstatistik: Vorhersagen für eine Population.

Schließlich gibt es ohne Statistik keine Datenwissenschaft.

Viel Spaß beim Lernen und willkommen in der Welt der Daten !!!

Folgen Sie mir für weitere Inhalte im Zusammenhang mit Data Science…