This textbook provides an easy-to-understand introduction to the mathematical concepts and algorithms at the foundation of data science. It covers essential parts of data organization, descriptive and inferential statistics, probability theory, and machine learning. These topics are presented in a clear and mathematical sound way to help readers gain a deep and fundamental understanding. Numerous application examples based on real data are included. The book is well-suited for lecturers and students at technical universities, and offers a good introduction and overview for people who are new to the subject. Basic mathematical knowledge of calculus and linear algebra is required.

Dies ist ein Buch uber die Mathematik, welches insbesondere die neuen Anforderungen des Bachelorstudiums sinnvoll bedient. Es behandelt die Grundlagen und danach den Stoff der linearen Algebra und eindimensionalen Analysis. Damit deckt es den Stoff ab, der an Universitaten wesentlich im ersten Semester behandelt wird. Dabei wenden wir uns an Physiker, Mathematiker sowie ambitionierte Lehramtskandidaten und Ingenieure. Das Buch foerdert sowohl das Verstandnis als auch das konzentrierte Lernen fur Klausuren und mundliche Prufungen. Auf einen Blick: Klarer Stil, klare Sprache, klare Struktur. Zahlreiche Erlauterungen. Zu jedem Thema wird gesondert ein informativer Ein- und Ausblick geliefert. Grafiken und viele Beispiele helfen beim Verstehen. Fragen zum Selbsttest unterstutzen zusatzlich beim Lernen. Aufgaben mit vollstandigen Loesungen dienen der Vertiefung und Vorbereitung auf Prufungen jeglicher Art.

Dies ist ein Buch uber die Mathematik, welches insbesondere die neuen Anforderungen des Bachelorstudiums sinnvoll bedient. Es behandelt die Analysis in mehreren Variablen sowie gewohnliche und partielle Differenzialgleichungen. Dabei wenden wir uns an Physiker, Mathematiker sowie ambitionierte Lehramtskandidaten und Ingenieure.

Das Buch fordert sowohl das Verstandnis als auch das konzentrierte Lernen fur Klausuren und mundliche Prufungen.

Die Autoren bringen ihre Erfahrungen aus zahlreichen erfolgreichen Vorlesungen und Ubungen zum Nutzen der Studierenden ein.

Auf einen Blick:

• Klarer Stil, klare Sprache, klare Struktur.
• Zahlreiche Erlauterungen.
• Zu jedem Thema wird gesondert ein informativer Ein- und Ausblick geliefert.
• Grafiken und viele Beispiele helfen beim Verstehen.
• Fragen zum Selbsttest unterstutzen zusatzlich beim Lernen.
• Aufgaben mit vollstandigen Losungen dienen der Vertiefung und Vorbereitung auf Prufungen jeglicher Art.

Dieses Lehrbuch bietet eine gut verstandliche Einfuhrung in mathematische Konzepte und algorithmische Verfahren, die der Data Science zugrunde liegen. Es deckt hierfur wesentliche Teile der Datenorganisation, der deskriptiven und inferenziellen Statistik, der Wahrscheinlichkeitstheorie und des maschinellen Lernens ab. Das Werk ermoeglicht den Leserinnen und Lesern ein tiefes und grundlegendes Verstandnis der Konzepte durch klare und mathematisch fundierte Vermittlung der Inhalte. Daruber hinaus stellt es durch zahlreiche, anhand realer Daten erstellter Anwendungsbeispiele einen starken Praxisbezug her. Dadurch ist es besonders fur Lehrende und Studierende an technischen Hochschulen geeignet, bietet aber auch Quereinsteigenden mit mathematischem Grundwissen einen guten Einstieg und UEberblick