Sonntag, 3. Februar 2019

Data Science in Darmstadt


Unseres Meetup "Darmstadt Data Science" https://www.meetup.com/de-DE/Darmstadt-Data-Science/
Unseres Slack Workspace https://datascience-darmstadt.slack.com/

Befreundete Meetup's:
Organisatorenteam:
  • Lothar B. Blum
  • Eldar Rakhmatullaev
  • Stefan Etz
  • Dominique Sinet
  • Anatol Reibold
Unser Sponsor: COWO21 – Coworking Space Darmstadt https://cowo21.de/

ZeitOrtTreffen
16.04.2018 von 19:00 bis ca. 21:00 Kaiserlich Kaffeehaus, Darmstadt 1. Stammtisch Data Science Darmstadt
14.05.2018 von 19:00 bis ca. 21:00 Kaiserlich Kaffeehaus, Darmstadt 1. Treffen Data Science Darmstadt
11.06.2018 von 19:00 bis ca. 21:00 Restaurant Karagöz, Darmstadt 2. Stammtisch Data Science Darmstadt
02.07.2018 von 19:00 bis ca. 21:00 Restaurant Karagöz, Darmstadt 3. Stammtisch Data Science Darmstadt
10.09.2018 von 19:00 bis ca. 21:00 Restaurant Karagöz, Darmstadt 4. Stammtisch Data Science Darmstadt
08.10.2018 von 19:00 bis ca. 21:00 Restaurant Karagöz, Darmstadt 2. Treffen Data Science Darmstadt
12.11.2018 von 19:00 bis ca. 21:00 Restaurant Karagöz, Darmstadt 3. Treffen Data Science Darmstadt / KICK-OFF Meetup

Weiterbildung zum Thema "Wahrscheinlichkeit und Statistik" vorbereitet von Wilfried und Dominique.
Literaturquelle: Kapitel 4 des Buches "Data Science für DUMMIES" von Lillian Piersen.
10.12.2018 von 19:00 bis ca. 21:00 Besprechungsraum von COWO21 4. Treffen Data Science Darmstadt

Vortrag des Abends:
Stefan Etz wird einen Überblick über das SciPy Ecosystem als Live Coding Session geben (Jupyter Notebooks, Anaconda, NumPy, SciPy Bibliothek, Matplolib, Pandas)
14.01.2019 von 19:00 bis ca. 21:00 Besprechungsraum von COWO21 5. Treffen Data Science Darmstadt

Vortrag des Abends:
Stefan Etz wird diesmal den Einstieg in das SciPy Ecosystem des letzten Meetups als Live-Coding Session vertiefen. Wir werden Datenanalyse mit Hilfe der beim letzten Mal vorgestellten Python Bibliotheken NumPy, SciPy, Matplotlib und Pandas durchführen.

Lothar B. Blum berichtet über einen Datenanalyse Beispiel mit R
11.02.2019 von 19:30 bis ca. 21:30 Besprechungsraum von COWO21 6. Treffen Data Science Darmstadt

Vortrag des Abends von Robert Nejbert:
  • Explorative Datenanalyse mithilfe des Pandas
  • Frameworks Datenbereinigung mit Pandas
  • Visualisierung der Ergebnisse mit verschiedenen
  • Plots App Store Daten (aus Kaggle)
  • Hands-on Session
11.03.2019 von 19:00 bis ca. 21:00 Besprechungsraum von COWO21 7. Treffen Data Science Darmstadt

Vortrag des Abends von Lothar B. Blum:
Data meet Story – Design und Beispiele Interaktiven Storytellings
  • Designprinzipien (Visual Storytelling vs. Data Exploration, Data Visualisation, Interaktionsebene, Transitions)
  • aktuelle Beispiele
  • Relevanz für Data Science und Data Journalism
  • Diskussion
08.04.2019 von 19:00 bis ca. 21:00 Besprechungsraum von COWO21 8. Treffen Data Science Darmstadt

Vortrag des Abends von Jan Brebeck:
Einstieg in Convolutional Neural Networks / Computervision.

Schwerpunkt: Vorgehensweise und Architektur eines CNN. (Es ist nicht das Ziel dieses Beitrages, das bestmögliche Modell für einen Anwendungsbereich zu finden!)
06.05.2019 von 19:00 bis ca. 21:00 Besprechungsraum von COWO21 9. Treffen Data Science Darmstadt

Vortrag des Abends von Kai-Uwe Schäfer:
Datenanalyse mit Graphendatenbanken
Bei Data Science denken wir zuerst an Pandas, RapidMiner und Co., nämlich das Arbeiten mit tabellarischen Daten. Viele Daten sind aber vernetzt und fühlen sich in einer Graphendatenbank zu Hause. Wie funktioniert dort die Datenanalyse
  • Kurze Einführung in Property Graphs und CYPHER
  • Daten laden, suchen, Graph traversieren
  • Beispiel Empfehlungsalgorithmen: Content-based, Collaborative
  • Vergleich mit den gleichen Lösungen in Pandas
  • Vorteile und Grenzen der Graphenanalyse heute

Zeitschriften zum Thema Data Science

Buchempfehlungen

1. Titel: Big Data Analytics: A Management Perspective
Autor: Francesco Corea
Springer, 2016
http://www.springer.com/de/book/9783319389912


2. Titel: Data Science Foundations: Geometry and Topology of Complex Hierarchic Systems and Big Data Analytics
Autor: Fionn Murtagh
CRC Press, 2018
https://www.crcpress.com/Data-Science-Foundations-Geometry-and-Topology-of-Complex-Hierarchic-Systems/Murtagh/p/book/9781498763936

3. Titel: Theory of Stochastic Objects: Probability, Stochastic Processes and Inference
Autor: Athanasios Christou Micheas
CRC Press, 2018
Link: https://www.crcpress.com/Theory-of-Stochastic-Objects-Probability-Stochastic-Processes-and-Inference/Micheas/p/book/9781466515208


4. Titel: Think Like a Data Scientist. Tackle the data science process step-by-step
Autor: Brian Godsey
Manning Publications, 2017
https://www.manning.com/books/think-like-a-data-scientist


5. Titel: The Data Science Design Manual
Autor: Steven S. Skiena
Springer, 2017
https://www.springer.com/de/book/9783319554433


6. Titel: The Data Science Handbook
Autor: Field Cady
John Wiley & Sons, 2017
https://www.wiley.com/en-us/The+Data+Science+Handbook-p-9781119092940

7. Titel: Process Mining. Data Science in Action
Autor: Wil van der Aalst
Springer, 2016
https://www.springer.com/de/book/9783662498507

8. Titel: Pro Deep Learning with TensorFlow.A Mathematical Approach to Advanced Artificial Intelligence in Python
Autor: Santanu Pattanayak
Apress, 2017
https://www.apress.com/de/book/9781484230954

9. Titel: Learning TensorFlow. A Guide to Building Deep Learning Systems
Autoren: Tom Hope, Yehezkel S. Resheff, and Itay Lieder
O'Reilly Media, 2017
http://shop.oreilly.com/product/0636920063698.do

10. Titel: Deep Learning with TensorFlow
Autoren: Giancarlo Zaccone, Md. Rezaul Karim, Ahmed Menshawy
Packt Publishing, 2017
Link: https://www.packtpub.com/big-data-and-business-intelligence/deep-learning-tensorflow

11. Titel: Hands-On Machine Learning with Scikit-Learn and TensorFlow. Concepts, Tools, and Techniques to Build Intelligent Systems
Autor: Aurélien Géron
O'Reilly Media, 2017
http://shop.oreilly.com/product/0636920052289.do

12. Titel: Applied Artificial Intelligence. An Engineering Approach
Autor: Bernhard G. Humm
2016
Link: https://leanpub.com/AAI
Weitere Publikationen von Autor:
https://www.fbi.h-da.de/organisation/personen/humm-bernhard/pub.html

13. Titel: Predictive Data Mining Models
Autoren: David L. Olson, Desheng Wu
Springer Verlag, 2017
https://www.springer.com/de/book/9789811025426


14. Titel: Introduction to Deep Learning. From Logical Calculus to Artificial Intelligence
Autor: Sandro Skansi
Springer Verlag, 2018
https://www.springer.com/gp/book/9783319730035