Zum Inhalt

Data Science

Ein Data Scientist geht in der Regel in folgenden Phasen vor:

Datenbeschaffung:

In dieser Phase sammelt der Data Scientist Daten aus verschiedenen Quellen und sorgt dafür, dass diese Daten in einem formatiert und strukturiert vorliegen, um für die Analyse genutzt werden zu können.

Datenbereinigung und -vorbereitung:

Hier werden die Daten bereinigt und geprüft, um sicherzustellen, dass sie für die Analyse geeignet sind. Dazu können Schritte wie das Entfernen von fehlerhaften oder duplizierten Daten, das Ausfüllen von fehlenden Werten und die Umwandlung von Datentypen gehören.

Datenanalyse:

In dieser Phase werden Methoden aus der Statistik und dem maschinellen Lernen eingesetzt, um Muster und Trends in den Daten zu identifizieren und Vorhersagen zu treffen.

Modellentwicklung:

Auf Basis der Analyse werden Modelle entwickelt, um Vorhersagen für neue Daten zu treffen. Hierzu werden maschinelle Lernmethoden eingesetzt, um die Genauigkeit und Zuverlässigkeit der Vorhersagen zu maximieren.

Implementierung und Überwachung:

In dieser letzten Phase werden die Modelle implementiert und ihre Leistung überwacht. Wenn sich die Daten ändern oder neue Daten verfügbar sind, müssen die Modelle gegebenenfalls neu trainiert werden, um sicherzustellen, dass sie weiterhin genaue Vorhersagen treffen.

Artificial intelligence
Haas Akademie

Sonnen Strom Speicher — ein Data Science Projekt

Mein Beitrag zur Energiewende war 2006 der Bau eines emissionsfreien Nullenergiehauses für das neue Bürogebäude der Haas Akademie.

Über dieses Konzept habe ich das Fachbuch „Der Weg zum Nullenergiehaus — Ein Schritt-für-Schritt-Wegweiser zum eigenen Nullenergiehaus“ (2008) geschrieben, das 2013 im VDE-Verlag in 2. Auflage erschien.