Wie werden aus Daten verantwortbare Entscheidungen?

Data Science wird oft als technische Disziplin verstanden: Daten sammeln, Modelle trainieren, Kennzahlen berechnen und Ergebnisse visualisieren.
Doch gute Datenanalyse beginnt nicht erst beim Code. Sie beginnt bei der Frage, was überhaupt beobachtet, gemessen, interpretiert und entschieden wird.

Dieses Buch zeigt Data Science als kritische Erkenntnisarbeit mit Python.

Im Mittelpunkt steht die Frage, wie aus Daten nicht nur Informationen, sondern begründete und verantwortbare Urteile entstehen.

In diesem Buch erfährst du:

• warum Daten nicht mit der Wirklichkeit verwechselt werden dürfen
• wie Beobachtung, Beschreibung und Erklärung voneinander unterschieden werden
• warum Menschen Daten häufig falsch interpretieren
• wie Tatsachen, Interpretationen und Bewertungen sauber getrennt werden können
• wie aus Mustern Hypothesen entstehen
• warum Korrelation nicht automatisch Kausalität bedeutet
• wie Argumente, Fehlschlüsse und Unsicherheit in Data Science beurteilt werden
• wie Python, Pandas, Visualisierungen und Modelle als Werkzeuge kritischer Analyse genutzt werden
• warum Bias, Fairness, Transparenz und Verantwortung zentrale Bestandteile guter Data Science sind

• Data Science nicht nur technisch, sondern reflektiert verstehen möchtest
• mit Python Daten analysierst oder analysieren willst
• Kennzahlen, Diagramme und Modelle kritischer beurteilen möchtest
• Unsicherheit, Bias und Fehlinterpretationen besser erkennen willst
• Datenanalysen verantwortungsvoll kommunizieren und nutzen möchtest