Data Science from Scratch First Principles with Python

Für einen fortgeschrittenen Einstieg in das Thema Data Science nicht verkehrt. Man merkt bereits nach den ersten Kapiteln, dass der Autor einen mathematischen Hintergrund hat und versucht zwischen der Theorie und Praxis einen Ausgleich zu finden. Dies gelingt auch in den meisten Fällen. Die verwendeten Datensätze sind vom von Umfang überschaubar. Dass der Autor viele Machine Learning Algorithmen durch eigens definierte Funktionen zu Lehrzwecken einführt, finde ich persönlich in Ordnung (der Buchtitel lautet ja auch from Scratch). Mit Numpy, Scikit-Learn und TensorFlow gibt es aber in Python praxistaugliche Bibliotheken, die man eher verwenden sollte, als eigens definierte Funktionen. Der Autor gibt dies indirekt auch zu, wenn er davon spricht, dass seine Funktionen einen hohen optimierungsbedarf haben. Die Literaturhinweise am Ende jedes Kapitel knüpfen hieran an und verweisen an die jeweilige Python Bibliotheken und weiterführende Schriften. Wer tiefer einstiegen will, sollte auf jeden Fall mit Deep Learning von Ian Goodfellow (MIT Press) weitermachen. Fazit: Theorie 70% und Praxis 30%. Das Buch hält, was es verspricht.