Kategorien
Buch

Neu: Künstliche Intelligenz und Data Science in Theorie und Praxis

Lieber Gast,

Künstliche Intelligenz (KI) ist das Megathema seit Anfang 2023 – doch für Unternehmen ohne Data Science vielleicht ein Rechner ohne Strom! Gerne weise ich daher heute in meinem Newsblog auf ein neues Buch zu Data Science und KI hin, das am 20. Juni 2023 (bzw. einen Tag vorher als eBook) im Verlag Springer Spektrum erschien und folgenden Titel trägt:

»Künstliche Intelligenz und Data Science in Theorie und Praxis: Von Algorithmen und Methoden zur praktischen Umsetzung in Unternehmen«

Bevor ich jedoch auf das Buch der Herausgeber Andreas Gillhuber, Göran Kauermann und Wolfgang Hauner eingehe, möchte ich die Frage beantworten, was Data Science ist. Und am Ende, nach meinem Fazit zu dieser Buchvorstellung, finden sie noch mehr als 10 Quellen und weitere Literaturangaben zu Data Science, Künstlicher Intelligenz und Python als wichtige Programmiersprache.

Was ist Data Science?

Data Science, Datenwissenschaft, ist das anwendungsorientiert Fachgebiet, welches aus großen Datenmengen aus einem bestimmten Bereich Wissen filtern (Extraktion) und dieses Wissen in nützliche Handlungen für das Business zu transferiert.

Häufige Ziele sind, relevante Muster in Daten zu erkennen, die Schlussfolgerungen daraus zu ziehen und / oder Entwicklungen von Faktoren (Variablen) zu modellieren und zu prognostizieren. Dabei ist die Visualisierung von Daten und Ergebnissen sowohl für deren Verständnis als auch für die Kommunikation mit Dritten essentiell.

Eine Definition liefert Herter (2022, S. 26):

»Data Science ist ein interdisziplinäres Wissenschaftsfeld, das sich mit der exakten digitalen Erfassung, Analyse und Visualisierung vergangener, aktueller sowie zukünftiger Phänomene unserer realen Welt beschäftigt, um
datengetrieben den Prozess der Wissensgenerierung als bestmögliche Entscheidungsbasis für menschliches Handeln zu optimieren.«

Zur Datenanalyse nutzt das Gebiet vor allem multivariate Methoden der Statistik sowie des Maschinellen Lernens – wobei sich diese Bereiche nicht klar abgrenzen lassen, denn die Regressionsanalyse, die Faktorenanalyse oder die Clusteranalyse sind bekannte und klassische Verfahren der Statistik, während Algorithmen (mathematische Formeln, Rechenregeln), wie k-Nearest Neighbor, Support Vector Machines (SVM), Random Forest oder auch die künstlichen Neuronale Netze (KNN) ihren Ursprung eher in der Forschung zur Künstlichen Intelligenz haben.

Zudem gibt es mit den Verfahren der künstliche neuronalen Netze (KNN) bzw. des Deep Learning einen Bereich, der nicht zur klassischen Statistik gehört, sondern aus der KI-Forschung stammt – und dessen Ergebnisse wie Text- und Bildgeneratoren (z.B. ChatGPT und Midjourney) das Bild von Künstlicher Intelligenz in der Öffentlichkeit dominieren (sog. Generative Modelle).

An der Entwicklung von Künstlicher Intelligenz und von Deep Learnings waren neben Informatikern übrigens auch weitere Disziplinen wie Neuro- und Kognitive Psychologie oder Linguistik beteiligt und einige ihrer Pioniere wie Geoffrey Hinton haben Abschlüsse in mehreren Fächern.

Wer sich also mit Künstlicher Intelligenz tiefer beschäftigen und dessen Grundlagen verstehen möchte, sollte hierzu ein gutes Buch zu Data Science lesen. Und wer als (HR) Data Scientist bzw. People Analyst arbeitet, sollte stets auf dem aktuellen Stand sein und schauen, was es Neues in diesem Bereich gibt, wie andere an die Sache herangehen und was wir aus deren Erfahrungen und Praxisbeispielen lernen können.

Kategorien
Buch

Andreas Moring (2023): Künstliche Intelligenz und Intuition

Buchtipp: Künstliche Intelligenz und Intuition: Robuste und nachhaltige Entscheidungen in digitalen Arbeitswelten von Andreas Moring (erscheint im Herbst 2023)

Lieber Gast,

Andreas Moring, Autor von “KI im Job: Leitfaden zur erfolgreichen Mensch-Maschine-Zusammenarbeit” hat ein neues Buch geschrieben, das laut dem Verlag Springer Gabler im Herbst 2023 erscheint (laut Verlag am 15.10.2023).

Sein Titel: Künstliche Intelligenz und Intuition: Robuste und nachhaltige Entscheidungen in digitalen Arbeitswelten.

Auszug aus dem Klapptext:

»Künstliche Intelligenz ist in unserem Alltag angekommen. Anwendung findet KI ebenso bereits in unterschiedlichen Branchen wie der Logistik, Medizin, Finanz- oder Landwirtschaft. […] Generative KI – also jene, die etwas scheinbar aus sich selbst heraus hervorbringen kann, wie beispielsweise ChatGPT oder Midjourney – führt Menschen im Sinne des Wortes sichtbar vor Augen, dass viele unserer Tätigkeiten, die wir unter “Arbeit” oder unserem “Job” subsumieren von KI übernommen werden könnten. […]

Dieses Buch gibt einen Überblick über die Technologien und Prinzipien Künstlicher Intelligenz sowie die Einführung von KI-Technologien in Unternehmen und die damit verbundenen Change-Prozesse. […] Außerdem wird die menschliche Intuition dargestellt und analysiert. Hierbei wird immer wieder Bezug auf Ähnlichkeiten und Unterschiede genommen, um Künstliche Intelligenz (Artificial Intelligence) und menschliche Intuition (Archaic Intelligence) ihren Domänen entsprechend zu entwickeln und damit zu resilienten, nachhaltigen Strategien und Entscheidungen zu gelangen.«

Andreas Moring ist Professor für Digital Business, Innovation & AI an der ISM International School of Management in Hamburg sowie Gründer und Leiter eines Instituts für Artificial Intelligence, Data Science and Sustainability

Wer sich also für die Anwendung von Künstliche Intelligenz in der Arbeitswelt interessiert sowie dessen Verbindung zu menschlicher Intuition, der sollte sich den Publikationstermin seines neuen Werkes vormerken – in meinem Kalender steht er!

Hinweis: Zu Statistik, Daten, Intuition, Heuristiken und Entscheidungen siehe auch Gerd Gigerenzers Publikation »Risiko: Wie man die richtigen Entscheidungen trifft sowie das aktuelle Buch von Jürgen Deters‘ »Analytics and Intuition in the Process of Selecting Talent: A Holistic Approach«, welches ich vor einiger Zeit in diesem Blogbeitrag vorstellte.

Herzliche Grüße und alles Gute!

Stefan Klemens

PS: Lust auf einen Austausch zu Künstlicher Intelligenz, People Analytics und Digital Assessment im People & Culture Management? Dann über LinkedIn vernetzen und / oder Termin für ein Treffen bei einem Videotelefonat vereinbaren!

Weiterführende Informationen und Links:

Wer bereits heute mehr wissen möchte, was Andreas Moring zum Thema denkt, warum menschliche Intuition (Archaische Intelligenz nach ihm) notwendig und auch trainierbar ist, der lese seinen kurzen Artikel unter https://www.hrjournal.de/archaische-intelligenz-und-ki-gemeinsam-staerker/

Hier noch der Link zu meinem Beitrag zum Buch von Jürgen Deters auf LinkedIn: https://www.linkedin.com/posts/activity-7049047248977973248-EPMV/

Zum Buch “Risiko: Wie man die besten Entcheidungen trifft” von Gerd Gigerenzer empfehle ich die Rezension von Jus Schnurer: https://www.socialnet.de/rezensionen/15271.php

Vorankündigungen im Buchhandel:

https://www.weltbild.de/artikel/buch/kuenstliche-intelligenz-und-intuition_41078643-1

https://www.buecher.de/shop/informationsmanagement/kuenstliche-intelligenz-und-intuition/moring-andreas/products_products/detail/prod_id/68122384/

Kategorien
Buch

Künstliche Intelligenz für Dummies?

Lieber Gast,

Künstliche Intelligenz für Dummies? Als ich 2020 nach Fachbüchern zu Data Science, Machine Learning und Deep Learning recherchierte, fiel mir ein Buch u.a. besonders auf:

Das Werk aus der Tastatur von Ralf Otte. Es bot fundiertes Wissen aus der Informatik (ja, und auch Mathematik! :-)) zur Künstlichen Intelligenz und bezog auch psychologische und neurobiologische Erkenntnisse mit ein. Und der Autor – ein sowohl wissenschaftlich als auch industrieerfahrener Experte zum Thema – lockert sein Buch auf mit persönlichen Erfahrungen und bezieht Stellung dort, wo andere auf der Sachebene bleiben.

Warum schreibe ich in der Vergangenheit? Nun, im April ist die 2. Auflage seines Buches erschienen, und angesichts des Massenphänomens KI seit Jahresbeginn sind fundierte Einführungsbücher nötiger denn je, die auch noch unterhaltsam sind und viele praktische Tipps enthalten. (Wobei dies ja der Anspruch der Dummies-Reihe ist).

Otte, R. (2023). Künstliche Intelligenz für Dummies (2. Auflage). Weinheim: Wiley-VCH. 26 Euro (Softcover), 512 Seiten.

Das Buch hat Ralf Otte angesichts der starken Veränderungen der KI seit der ersten Auflage vor vier Jahren überarbeitet und um neue Inhalte erweitert. Da das Buch jedoch, wie einige Leserstimmen meinen, doch nicht so einfach sei – gibt es vom Autor noch eine Kurzfassung für Laien aus dem Jahr 2021 (Allgemeinbildung Künstliche Intelligenz) sowie sein Sachbuch “Maschinenbewusstsein: Die neue Stufe der KI – wie weit wollen wir gehen?”.

Mehr Sach- und Fachbücher zu Künstlicher Intelligenz und Data Science gibt es bald in meiner “Ultimativen Leseliste“, die ich jedem interessierten gerne zusende (Vernetzen auf LinkedIn = Info). Oder Lust auf einen Austausch? Dann ein Videotelefonat vereinbaren.

Und noch etwas in eigener Sache: Da ich einige Anmerkungen zur 1. Auflage des Buches von Ralf Otte hatte, dankt der Autor mir und anderen Lesern im neuen Buch dafür. Schön, ein solches Feedback zu bekommen.

Viel Erfolg bei Ihrem KI-, Data Science oder People Analytics Projekt!

Herzliche Grüße, Stefan Klemens

Cover: Wiley-VCH

PS 1: Weitere Informationen zu diesem Buch inkl. Inhaltsverzeichnis, Probekapitel und Stichworverzeichnis als PDF gibt es auf der Verlagsseite unter https://www.wiley-vch.de/de?option=com_eshop&view=product&isbn=9783527720996&title=K%C3%BCnstliche%20Intelligenz%20f%C3%BCr%20Dummies

PS 2: Ein Interview aus 2022 mit Ralf Otte anlässlich der Publikation seines Buches “Maschinenbewusstsein” haben der Deutschlandfunk sowohl der publizierende Verlag Campus geführt:

https://www.deutschlandfunkkultur.de/ralf-otte-kuenstliche-intelligenz-maschinenbewusstsein-100.html

https://www.campus.de/news/aus-mathematik-heraus-entsteht-niemals-bewusstsein-ralf-otte-1322.html

PS 3: Ein Podcast mit Ralf Otte von Anfang 2023 (Februar) findet sich auf YouTube: https://www.youtube.com/watch?v=TxGF4rvkpZ4

Kategorien
Buch

Daten oder Intuition bei HR-Entscheidungen?

Lieber Gast,

Daten oder Intuition bei HR-Entscheidungen? Nun, die Frage, ob der Mensch mit all seiner Erfahrung und einigen Urteilsfehlern besser, schlechter oder ähnlich gut wie die statistischen Entscheidungen auf Basis von Zahlen, diagnostischen Instrumenten und Algorithmen des maschinellen und Deep Learning entscheidet, wird heiß diskutiert.

Viele glauben, dass mit immer mehr Daten und komplexeren Modelle auch bessere Entscheidungen resultieren. Doch wie Gerd Gigerenzer wiederholt betont, ist dem nicht immer so (siehe seine Bücher “Klick” und “Risiko”).

Auf der anderen Seiten wissen wir seit Paul Meehl (1954) und vielen weiteren Erfahrungen, Studien und aktuellen Meta-Analysen, dass HR-Entscheidungen auf Basis valider, reliabler und objektiver Testdaten im Schnitt zu einer höheren Trefferquote führt (unter Berücksichtigung der Basis- und Selektionsrate, siehe Taylor-Russell-Tafeln) – Und die Prognosen von Leistung und Arbeitszufriedenheit für eine Gruppe steigen.

Worin liegt also die Lösung? Offensichtlich in der sinnvollen Kombination beider Ansätze, wobei letztendlich immer der Mensch entscheidet muss. Für mich heißt dies somit: Statistik (inkl. KI) und Heuristik, oder: Daten und Intuition (wenn gleich auch die Daten zuerst kommen).

Daher freue ich mich, dass auch andere Fachleute solch einen Ansatz verfolgen, wie ich z.B. gestern entdeckte: Jürgen Deters, bis Ende 2022 Professor für Personalmanagement und Führung an der Leuphana Universität Lüneburg, publizierte vor kurzem sein lesenswertes Buch “Analytics und Intuition in the Process of Selecting Talent: A holistic Approach“ (de Gruyter).

Also nicht ja oder nein, sondern sowohl als auch! Denn dies war schon immer das evolutionäre Erfolgsgeheimnis unserer Spezies, die mit Verstand und Emotion bald auch wieder ihre Füße auf den Mond setzen wird.*

Herzliche Grüße, Stefan Klemens



* Neil Armstrong nutze bei seiner Landung 1969 neben seinem fliegerischen Können auch seine Intuition, als er sich gegen den vom Computer vorgeschlagenen Landeplatz entschied.

Foto: Stef13 / Midjourney (erstellt von mir mit dem KI-Tool Midjourney inkl. Anpassung der Farbe nach Rouge)

Weiterführende Informationen

Zu Jürgen Deters:
https://www.leuphana.de/universitaet/aktuell/ansicht/2022/12/12/verabschiedung-prof-dr-juergen-deters-leadership-heisst-mit-gutem-vorbild-vorangehen.html

Das Buch ist als Open Access Publication finanziert von der Uni Lüneburg bei de Gruyter erschienen und kann unter folgendem Link als PDF heruntergeladen werden – Kapitel 8 fokussiert sich auf “Digital technologies and artificial intelligence (AI): implications for using
intuition and analytics in personnel selection”: https://directory.doabooks.org/handle/20.500.12854/96547

Wer mit der Forschung von Gerd Gigerenzer und anderen zu Entscheidungen nicht vertraut ist, und Kritik an Daniel Kahneman und anderen sucht, dem empfehle ich seine (populär-)wissenschaftlichen Bücher “Klick: Wie wir in einer digitalen Welt die Kontrolle behalten und die richtigen Entscheidungen treffen” (2021, C. Bertelsmann), “Simply Rational: Decision Making in the Real World” (2015, Oxford University Press), “Risiko: Wie man die richtigen Entscheidungen trifft” (2013, C. Bertelsmann) sowie als Mitautor: Katsikopoulos, K. V., Șimșek, Ö., Buckmann, M., & Gigerenzer, G. (2020). Classification in the wild: The science and art of transparent decision making. MIT Press.
https://www.hardingcenter.de/de/das-harding-zentrum/team/gerd-gigerenzer

Zur beruflichen Eignungsdiagnostik empfehle ich (natürlich) einen, zwei oder besser zehn Blicke (abhängig von Wissen und Erfahrungen ;-)) in die DIN 33430 – Hierzu erscheint im Mai 2023 im Beuth-Verlag eine aktualisierte Arbeit von Harald Ackerschott, Norbert S. Gantner und Günter Schmitt. Titel: “Eignungsdiagnostik: Qualifizierte Personalentscheidungen nach DIN 33430 – inklusive KI in der Personalauswahl – DIN SPEC 91426 zum Videointerview – internationale Anwendung mit ISO 10667 Assessment Service Delivery”.
https://www.beuth.de/de/publikation/eignungsdiagnostik-qualifizierte-personalentscheidungen-nach-din-33430/360913627

Hinweis

Diesen Beitrag habe ich gestern zuerst auf meinem LinkedIn veröffentlicht. Die beiden letzten weiterführenden Informationen zu Gerd Gigerenzer und zur DIN 33430 habe ich heute dort im Kommentar ergänzt. Weiter gab dort einige Kommentare anderer Mitglieder:
https://www.linkedin.com/posts/activity-7049047248977973248-EPMV

Kategorien
Buch

Buchtipp: Data Science von Michael Oettinger

Buchtipp: Data Science – Eine praxisorientierte Einführung im Umfeld von Machine Learning, künstlicher Intelligenz und Big Data (2. Auflage) von Michael Oettinger.

Lieber Gast,

über Künstliche Intelligenz, besser: Maschinelles Lernen und Deep Learning wissen wir doch mittlerweile alle Bescheid, oder? In Zeiten von ChatGPT 3, Software die selbständig Bilder malt (DALL-E, Midjourney) – auch im Stile von Dalí, Picasso oder wen auch immer (was früher nur ein gewisser Herr Wolfgang B. konnte) und den tagtäglichen Angebotsvorschlägen von Amazon, LinkedIn oder Facebook sollten wir ja eigentlich einiges darüber wissen. Und auch was Data Science ist und man mit Big Data anstellen kann.

Nun als ich ab 2019 intensiver mit diesen Themen und danach ihrer Anwendung im Bereich Human Resources Management beschäftigte (People Analytics, HR Data Science, HR Analytics, Workforce Analytics – ok, Unterschiede in Details natürlich) und mich in der Programmiersprache Python, Big Data Analytics und Maschinellem Lernen weiterbildete, hätte ich mir hierzu auch ein kurzes, verständliches und praxisorientiertes Buch gewünscht, dass den gesamten Bereich überblickt und gut erklärt.

Leider fiel mir damals das folgende Einstiegs-Buch durch das Raster, und ich kämpfte mich durch einige andere durch (die jedoch mit Fokus auf Python oder Maschinellem Lernen (ML) natürlich deutlich intensiver auf diese Themen eingingen als mein heutiger Buchtipp).

Damit Du es leichter hast und weil ich es in diesen Tagen bei meiner Data Science Technologie Übersicht (White Paper in Progress!) und der kommenden Tool-Liste wieder häufiger in die Hand nahm, kommt hier also mein nächster Buchtipp:

Michael Oettinger (2020). Data Science – Eine praxisorientierte Einführung im Umfeld von Machine Learning, künstlicher Intelligenz und Big Data (2., erweiterte Auflage). Hamburg: tredition.

Es enthält acht Kapiteln auf 224 Seiten: (1) Einleitung, (2) Daten bereitstellen, (3) Daten analysieren, (4) Verfahren der Datenanalyse, (5) Vorgehensmodell für ML-Projekte, (6) Anwendungsfälle – Use Cases, (7) Abschluss und (8) Informationsquellen.

Wie die Reihenfolge der Kapitel zeigen, orientiert sich der Autor am Data Science (Datenanalyse)-Prozess: Von den Datenquellen wie Datenbanken, Hadoop oder Cloud geht über über zu den Analysewerkzeugen (Programmiersprachen, Data Science Plattformen, ML Bibliotheken) zu den statistisch-mathematischen Grundlagen von Data Mining, ML und Modellierung bis zum Data Science Prozess und einigen Anwendungsfällen in verschiedenen Branchen.

Ich mag das Buch und denke es ist auch ohne Vorkenntnisse gut zu lesen und zu verstehen (wenn gleich ich dies natürlich aufgrund meiner Vorkenntnisse nicht eindeutig sagen kann). Es ist wie gesagt ein kurzes Einstiegsbuch und kann daher auf die meisten Themen nicht tiefer eingehen (doch dazu gibt es eine Reihe von anderen guten Büchern!).

Auch wenn sich vieles aus dem Buch auf das Human Resources Management übertragen lässt, so gibt es doch im People Analytics einige Besonderheiten, die es zu beachten gilt, und die nicht im Fokus des Buches liegen (hier empfehle ich die Einführung von Steffi Rudel, 2021). Auch der Bereich Data Engineering wird bei Oettinger mit dem Kapitel „Daten bereitstellen“ natürlich nur ganz knapp dargestellt.

Doch es ist ja auch ein Einstiegsbuch und mir gefällt außerdem die Herangehensweise von Michael Oettinger, der – wo es Sinne macht – Stellung bezieht (z.B. ob Python oder R die geeignetere Programmiersprache ist) und wichtige Kriterien für die Technologie-Auswahl liefert. Die Breite der Anwendbarkeit von Data Science wird schön in seiner Branchenübersicht und der 20 Use Cases deutlich.

Und seine Zusammenfassung am Ende rückt wichtige Punkte für Data Science in der Praxis noch einmal in den Vordergrund: (1) Gespür für die Verfahren entwickeln; (2) Die Grenzen und die Grenzenlosigkeit verstehen; (3) No Excuses (!); (4) Mut zur Lücke; (5) Fantasie bei den Datenquellen, (6) Datenschutz ernst nehmen; und vor allem: (7) Einfach machen.

Solch ein Buch konnte wahrscheinlich nur ein Praktiker schreiben, der dennoch tief in der Materie drinsteckt, viel Erfahrung in zahlreichen Projekten sammelte und als Freiberufler und Unternehmer mit betriebswirtschaftlichem Hintergrund und Mathe-Schwerpunkt sowohl das Business als auch die Tools und Verfahren versteht.

Und, was mich als jemand mit einem Diplom in Psychologie besonders freut: Der sich auch für die menschliche Intelligenz interessiert.* Und die sollte aus mehreren Gründen bei einem Data Science Projekt immer dabei sein!

Herzliche Grüße, Stefan Klemens

* Auch Ralf Otte als bekannter Autor mehrerer Bücher zur Künstlichen Intelligenz geht in seinen sehr lesenwerten Büchern auf die menschliche Intelligenz ein – Bald erscheint die Neuflage seines Klassikers “Künstliche Intelligenz für Dummies”, wie ich kürzlich von ihm über eine E-Mail erfuhr.

Kategorien
Buch

The Handbook of Data Science and AI

Lieber Gast,

jeden Tag werden rund 4.900 Bücher weltweit veröffentlicht – laut der UNESCO; die zudem die Höhe der Zahl für einen guten Indikator für den Lebensstandard und die Bildung einer Nation betrachtet (Quelle: https://de.globometer.com). Wo liegt Deutschland? Selbst nachschauen oder bis zum Ende lesen. 😉

Warum schreibe ich das? Nun, seit einiger Zeit fokussiere ich mich als freiberuflicher HR-Berater und Analyst auf das Thema People Analytics (seltener: HR Data Science) und habe dazu neben diversen Weiterbildungen in Python, Big Data und Maschinellem Lernen als wichtigem Bereich der Künstlichen Intelligenz auch eine Menge an Fachliteratur hierzu mir angeschaut.

Es gibt einige gute Bücher speziell zu People Analytics sowie zu Data Science, die jedoch recht kurz sind, spezielle Themen behandeln oder wichtige Grundlagen wie z.B. die IT-Infrastruktur weglassen – verständlich, wenn es kein Wälzer werden soll.

Vor kurzem jedoch habe ich ein Buch entdeckt, das ich sehr empfehlen kann (und eine Reihe von positiven Kritiken auch in Jeffs kleinem Buchladen bekommen hat), im April erstmals als englische Ausgabe publiziert wurde und ich heute morgen in meiner Postbox abholte:

Stefan Papp u.a. (2022). The Handbook of Data Science and AI. Generate Value from Data with Machine Learning and Data Analytics. München: Hanser. Preis: 38,99 Euro; 573 Seiten; gebunden mit flexiblem Cover.

In 18 Kapiteln gehen die 15 Autoren auf alle wichtigen Bereiche ein: Von den IT-Grundlagen (Infrastruktur, Daten Architektur, Data Engineering) über Mathematik und Statistik bis zum maschinellem Lernen und deren Anwendung in der Praxis (z.B. Natural Language Processcing, Computer Vision, Modelling und Simulation, Visualisierung, Strategie, Rechtliches, verschiedene Branchen).

Wer sich also mit People Analytics und HR Data Science beschäftigt und hier schon einige Erfahrung hat, der sollte in das Handbuch einen, zwei oder auch drei Blicke werfen. Ich werde es heute tun!

Tipp: Keine Lust auf Englisch? Einen etwas besseren Einband (hartes Cover wie bei anderen Hanser-Fachbüchern)? Und etwas Geduld? Dann kaufe dir doch die deutsche Ausgabe, die als 2. Auflage am 15. Juli 2022 unter dem Titel “Handbuch Data Science und KI: Mit Machine Learning und Datenanalyse Wert aus Daten generieren” ebenfalls im Hanser-Verlag erscheint – mit einem etwas höheren Preis von 49,99 Euro und 624 Seiten (bedingt durch die deutsche Übersetzung, wie mir die nette Dame vom Verlag erklärte – wieder was gelernt. :-).

So viel für heute. Ich wünsche dir einen lustigen Freitag und ein entspannendes Wochenende! Vielleicht auch mit einem Buch?

Herzliche Grüße, Stefan Klemens

PS: Ach, noch die Auflösung: Deutschland liegt auf Platz 5 der weltweiten Buchpublikationen. Die Zahlen stammen zwar aus dem Jahr 2010, doch ich denke nicht, dass sich seitdem viel geändert hat. Auf die Schnelle finde ich auch keine aktuellere Quelle …