A wie Algorithmus

Algorithmus, Bias, Clusteranalyse – für Data Scientists gehören diese Begriffe ganz natürlich zum täglichen Arbeitsleben dazu. Dabei vergessen sie leicht, dass bestimmte Begriffe für andere nicht auf den ersten Blick verständlich und greifbar sind. Wir sorgen für Durchblick im Begriffschaos: mit unserem Data-Science-ABC. Den Anfang macht der Buchstabe A.

Ein Algorithmus ist vergleichbar mit einem Kochrezept: Durch konkrete aufeinanderfolgende Regeln und Anweisungen wird festgelegt, wie eine bestimmte Zutat bearbeitet werden muss, damit die Speise perfekt gelingt. Das Rezept für eine aufwändige Bolognese? Ein Algorithmus. Die Bauanleitung für einen neuen Kleiderschrank? Vom Prinzip her auch.

Natürlich sieht es in der Realität dann doch ein wenig anders aus und hat nicht unbedingt etwas mit Nudeln und Tomaten zu tun. Darüber hinaus kann ein Algorithmus ein Maß an Komplexität annehmen, was weit über ein Kochrezept hinaus geht. Ersetzt man die Zutat durch einen Datenwert, kommen wir der Sache jedoch schon recht nah.

Data Scientists arbeiten für ihre Analyseprojekte mit den verschiedensten Algorithmen, die jeweils andere Ziele verfolgen. Von  Random Forest, k-nearest-neighbors und Neuronale Netze haben Sie sicherlich schon einmal gehört – sie sind allesamt Algorithmen, die regelmäßig von Data Scientists zur Datenanalyse genutzt werden.

Was diese Algorithmen genau machen? Das erfahren Sie bald. Schließlich hat unser Data-Science-ABC noch 25 weitere Buchstaben mit Data-Science-Begriffen, die erklärt werden wollen.

Wenn Sie Algorithmen produktiv in Ihre Geschäftsprozesse einbetten wollen, sprechen Sie uns an.
Hier entlang.

Sie haben eine andere Idee für den Buchstaben A? Wir freuen uns auf Ihren Kommentar. 


Tobias Titze - Beitrag vom 20.03.2018

Tobias Titze betreut seit 2013 das Marketing der eoda GmbH. Seine tägliche Aufgabe ist der Brückenschlag zwischen einem komplexen Thema und den Anforderungen des Marktes. Er interessiert sich für Daten und Algorithmen und begeistert sich für die Vorteile, die sich für Unternehmen daraus ergeben.

Abonnieren Sie unseren Datenanalyse-Blog