Holdings: Data Science mit Python für Dummies

Data Science mit Python für Dummies:

Saved in:

Bibliographic Details
Main Authors:	Mueller, John Paul 1958- (Author), Massaron, Luca (Author)
Other Authors:	Wappler, Nadine 1989- (Translator), Zuchantke, Eric (Translator)
Format:	Book
Language:	German English
Published:	Weinheim Wiley-VCH Verlag GmbH & Co. KGaA 2016
Edition:	1. Auflage
Series:	... für Dummies
Subjects:	Visualisierung Python > Programmiersprache Datenstruktur Datenanalyse Data Mining Statistik Einführung
Online Access:	Inhaltstext Auszug/Index Auszug Ausführliche Beschreibung Inhaltsverzeichnis
Item Description:	Auf dem Cover: "Lernen Sie die Datensprache", "Auf einen Blick: Einführung in Python und die Programmierumgebung Anaconda; Solider Überblick über die Python-Bibliotheken für die Data-Science; Daten vorbereiten, verarbeiten, visualisieren"
Physical Description:	423 Seiten Illustrationen, Diagramme
ISBN:	3527712089 9783527712083

Staff View

MARC


LEADER	00000nam a2200000 c 4500
001	BV042709284
003	DE-604
005	20180913
007	t
008	150722s2016 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 15,N21 \|2 dnb
016	7		\|a 1070857319 \|2 DE-101
020			\|a 3527712089 \|c pbk \|9 3-527-71208-9
020			\|a 9783527712083 \|c Print (pbk) \|9 978-3-527-71208-3
035			\|a (OCoLC)909797056
035			\|a (DE-599)DNB1070857319
040			\|a DE-604 \|b ger \|e rda
041	1		\|a ger \|h eng
044			\|a gw \|c XA-DE-BW
049			\|a DE-M347 \|a DE-20 \|a DE-706 \|a DE-860 \|a DE-1046 \|a DE-11 \|a DE-29T \|a DE-1102 \|a DE-1043 \|a DE-522 \|a DE-739 \|a DE-92 \|a DE-859 \|a DE-19 \|a DE-634 \|a DE-83 \|a DE-573 \|a DE-B768 \|a DE-858 \|a DE-523 \|a DE-91G
082	0		\|a 510 \|2 23
084			\|a QP 345 \|0 (DE-625)141866: \|2 rvk
084			\|a ST 250 \|0 (DE-625)143626: \|2 rvk
084			\|a ST 265 \|0 (DE-625)143634: \|2 rvk
084			\|a ST 270 \|0 (DE-625)143638: \|2 rvk
084			\|a ST 530 \|0 (DE-625)143679: \|2 rvk
084			\|a 004 \|2 sdnb
084			\|a DAT 600f \|2 stub
084			\|a 510 \|2 sdnb
084			\|a DAT 366f \|2 stub
100	1		\|a Mueller, John Paul \|d 1958- \|e Verfasser \|0 (DE-588)137976984 \|4 aut
240	1	0	\|0 (DE-588)1102951471 \|a Python for Data Science for Dummies
245	1	0	\|a Data Science mit Python für Dummies \|c John Paul Mueller und Luca Massaron ; Übersetzung aus dem Amerikanischen von Nadine Wappler und Eric Zuchantke ; Fachkorrektur von Tobias Häberlein
250			\|a 1. Auflage
264		1	\|a Weinheim \|b Wiley-VCH Verlag GmbH & Co. KGaA \|c 2016
300			\|a 423 Seiten \|b Illustrationen, Diagramme
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
490	0		\|a ... für Dummies
500			\|a Auf dem Cover: "Lernen Sie die Datensprache", "Auf einen Blick: Einführung in Python und die Programmierumgebung Anaconda; Solider Überblick über die Python-Bibliotheken für die Data-Science; Daten vorbereiten, verarbeiten, visualisieren"
650	0	7	\|a Visualisierung \|0 (DE-588)4188417-6 \|2 gnd \|9 rswk-swf
650	0	7	\|a Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Datenstruktur \|0 (DE-588)4011146-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Datenanalyse \|0 (DE-588)4123037-1 \|2 gnd \|9 rswk-swf
650	0	7	\|a Data Mining \|0 (DE-588)4428654-5 \|2 gnd \|9 rswk-swf
653			\|a Datenanalyse
653			\|a Statistik
655		7	\|0 (DE-588)4151278-9 \|a Einführung \|2 gnd-content
689	0	0	\|a Data Mining \|0 (DE-588)4428654-5 \|D s
689	0	1	\|a Datenanalyse \|0 (DE-588)4123037-1 \|D s
689	0	2	\|a Datenstruktur \|0 (DE-588)4011146-5 \|D s
689	0	3	\|a Visualisierung \|0 (DE-588)4188417-6 \|D s
689	0	4	\|a Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|D s
689	0		\|5 DE-604
700	1		\|a Massaron, Luca \|e Verfasser \|0 (DE-588)1104968622 \|4 aut
700	1		\|a Wappler, Nadine \|d 1989- \|0 (DE-588)110160607X \|4 trl
700	1		\|a Zuchantke, Eric \|0 (DE-588)1101606304 \|4 trl
700	1		\|a Häberlein, Tobias \|0 (DE-588)143902865 \|4 oth
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, EPUB \|z 978-3-527-80714-7
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, MOBI \|z 978-3-527-80715-4
856	4	2	\|m X:MVB \|q text/html \|u http://deposit.dnb.de/cgi-bin/dokserv?id=5249485&prov=M&dok_var=1&dok_ext=htm \|3 Inhaltstext
856	4	2	\|q application/pdf \|u http://www.wiley-vch.de/books/sample/3527712089_bindex.pdf \|y Stichwortverzeichnis \|3 Auszug/Index
856	4	2	\|q application/pdf \|u http://www.wiley-vch.de/books/sample/3527712089_c01.pdf \|3 Auszug
856	4	2	\|q text/html \|u http://www.wiley-vch.de/publish/dt/books/ISBN3-527-71208-9/ \|3 Ausführliche Beschreibung
856	4	2	\|m HBZ Datenaustausch \|q application/pdf \|u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=028140647&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
943	1		\|a oai:aleph.bib-bvb.de:BVB01-028140647

Record in the Search Index

_version_	1809771834331103232
adam_text	Titel: Data Science mit Python für Dummies Autor: Mueller, John Paul Jahr: 2016 Inhaltsverzeichnis Über die Autoren 9 Luca Massarons Widmung 9 John Muellers Widmung 10 Luca Massarons Danksagung 10 John Muellers Danksagung 10 Einleitung 23 Über dieses Buch 23 Törichte Annahmen 24 Im Buch verwendete Symbole 25 Über das Buch hinaus 25 Wie es weitergeht 26 Teil I Erste Schritte mit Python für Data Science 27 Kapitel 1 Wie Data Science und Python zusammenpassen 29 Die Definition des geilsten Jobs des 21. Jahrhunderts 31 Die Entstehung von Data Science 31 Umriss der Kernkompetenzen eines Data Scientists 32 Die Verbindung von Data Science und Big Data 32 Das Verständnis der Rolle der Programmierung 33 Die Entwicklung einer Data-Science-Pipeline 33 Vorbereitung der Daten 33 Darstellung der beschreibenden Datenanalyse 34 Von den Daten lernen 34 Visualisierung 34 Erkenntnisse und Ergebnisse 34 Die Rolle von Python in Data Science 35 Das sich wandelnde Profil eines Data Scientists 35 Die Arbeit mit einer vielseitigen, einfachen und effizienten Sprache 36 Der schnelle Einstieg in Python 36 Daten laden 38 Ein Modell ableiten 38 Anzeige eines Ergebnisses 39 Kapitel 2 Einführung in Pythons Fähigkeiten und Möglichkeiten /} 7 Warum Python? 42 Verständnis der Kernphilosophie Pythons 43 Gegenwärtige und zukünftige Entwicklungsziele entdecken 43 Arbeiten mit Python 43 Ein Vorgeschmack auf die Sprache 43 Die Notwendigkeit von Einrückungen verstehen 44 Arbeiten mit der Kommandozeile oder IDE 44 Schnelles Prototyping und Experimentieren 49 Die Geschwindigkeit der Ausführung 51 Die Kraft der Visualisierung 52 Das Python-Ökosystem für Data Science 54 Mit SciPy auf wissenschaftliche Werkzeuge zugreifen 54 Grundlagen des wissenschaftlichen Rechnens mit NumPy 54 Datenanalyse mit Pandas 54 Implementierung des maschinellen Lernens mit Scikit-learn 55 Plotten mit MatPlotLib 55 Syntaxanalyse von HTML-Dokumenten mit Beautiful Soup 55 Kapitel 3 Einrichtung Hon Python für Data Science 57 Betrachtung der üblichen wissenschaftlichen Distributionen 58 Continuum Analytics Anaconda 58 Enthought Canopy Express 59 Pythonxy 60 WinPython 60 Installation von Anaconda auf Windows 60 Installation von Anaconda auf Linux 64 Installation von Anaconda auf Mac OS X 65 Download der Datensätze und des Beispielcodes 66 Die Nutzung von IPython Notebook 67 Festlegung des Code-Archivs 68 Verständnis der in diesem Buch verwendeten Datensätze 74 Kapitel 4 Die Grundtagen Hon Python 77 Arbeiten mit Zahlen und Logik 78 Zuordnung von Variablen 79 Arithmetik 80 Vergleichen von Daten mit booleschen Ausdrücken 82 Erstellung und Nutzung von Zeichenketten 84 Interaktionen mit einer Zeitangabe 85 Erstellung und Verwendung von Funktionen 87 Entwicklung wiederverwendbarer Funktionen 87 Der Aufruf einer Funktion auf unterschiedliche Arten 89 Verwendung von bedingten und iterativen Anweisungen 92 Entscheidungsfindung mit der if-Anweisung 92 Die Wahl zwischen mehreren Optionen mit verschachtelten Entscheidungen 93 Ausführung sich wiederholender Aufgaben mit dem for-Kommando 94 Verwendung der while-Anweisung 95 Daten mit Mengen, Listen und Tupeln speichern 96 Operationen mit Mengen 96 Die Arbeit mit Listen 97 Erstellung und Verwendung von Tupeln 98 Definition nützlicher Iteratoren 100 Indizierung von Daten mit Dictionaries 101 Teil II Mit Daten arbeiten 103 Kapitel 5 Arbeiten mit richtigen Daten 105 Upload, Streaming und Auswahl von Daten 106 Laden kleiner Datenmengen in den Speicher 106 Laden großer Datenmengen in den Speicher 108 Auswahl von Daten 108 Daten in strukturierter Flatfile-Form 110 Aus einer Textdatei lesen 110 Lesen des CSV-Formats 111 Lesen von Excel- oder anderen Microsoft-Dateien 114 Laden von Daten aus unstrukturierten Dateien 115 Verwaltung von Daten aus relationalen Datenbanken 118 Interaktion mit Daten einer NoSQL-Datenbank 120 Verwendung von Daten aus dem Internet 120 Kapitel 6 Konditionierung der Daten 125 Zwischen NumPy und Pandas hin- und herjonglieren 126 Wann man NumPy verwendet 126 Wann man Pandas verwendet 126 Validierung der Daten 127 Herausfinden, was in Ihren Daten steckt 127 Duplikate entfernen 129 Erstellung einer Datenkarte und eines Datenplans 129 Manipulation kategorialer Variablen 131 Erstellung kategorialer Variablen 132 Umbenennen der Ebenen 134 Die Kombination von Ebenen 134 Der Umgang mit Zeitangaben in Ihren Daten 136 Formatierung von Datums- und Zeitangaben 136 Die richtige Zeittransformation 137 Umgang mit fehlenden Daten 138 Fehlende Daten finden 138 Codierung fehlender Daten 139 Einspeisung fehlender Daten 140 Schneiden und Vereinzeln: Filtern und Auswählen von Daten 141 Zeilen schneiden 141 Spalten schneiden 142 Vereinzelung 143 Verkettung und Transformation 143 Neue Fälle und Variablen hinzufügen 144 Entfernen von Daten 145 Sortieren und Mischen 146 Aggregation von Daten auf einer Ebene 147 Kapitel 7 Daten in Form Bringen 1k9 Arbeiten mit HTML-Seiten 149 Parsen von XML und HTML 150 Benutzung von XPath für die Extraktion von Daten 151 Die Arbeit mit reinem Text 152 Die Arbeit mit Unicode 152 Stemming und Entfernen von Stoppwörtern 153 Einführung in reguläre Ausdrücke 155 Verwendung des Bag-of-Words-Modells und anderer Modelle 158 Funktionsweise des Bag-of-Words-Modells 158 Arbeiten mit N-Grammen 160 Implementierung von TF-IDF Transformationen 161 Arbeiten mit Graphdaten 163 Die Adjazenzmatrix 163 Grundlagen in NetworkX 163 Kapitel 8 Das, Ufas Sie schon Wissen, in die Tat umsetzen 167 Kontextualisierung von Problemen und Daten 168 Auswertung eines Data-Science-Problems 169 Erforschung von Lösungen 169 Formulierung einer Hypothese 170 Vorbereitung Ihrer Daten 170 Betrachtung der Erstellung von Merkmalen 171 Definition der Merkmalserstellung 171 Kombination von Variablen 172 Klasseneinteilung und Diskretisierung 172 Verwendung von Indikatorvariablen 173 Umwandlung von Verteilungen 173 Operationen mit Arrays 174 Vektorisierung 174 Einfache Arithmetik mit Vektoren und Matrizen 175 Matrix-Vektor-Multiplikation 175 Matrix-Multiplikation 176 Teil 111 Visualisierung des Unsichtbaren 177 Kapitel 9 Ein Crashkurs in MatPtotLib 179 Mit einem Graphen beginnen 180 Definition eines Plots 180 Zeichnen mehrerer Linien und Plots 181 Speichern Sie Ihre Arbeit 182 Einstellen der Achsen, Intervalle und Gitternetzlinien 183 Die Achsen 183 Formatierung der Achsen 183 Hinzufügen von Gitternetzen 185 Das Erscheinungsbild von Linien festlegen 186 Die Arbeit mit Linienstilen 186 Verwendung von Farben 187 Marker hinzufügen 188 Labels, Anmerkungen und Legenden 190 Hinzufügen von Labels 190 Hinzufügen von Anmerkungen zum Diagramm 191 Erstellen einer Legende 192 Kapitel 10 Visualisierung Von Daten 195 Die Wahl der richtigen Grafik 196 Darstellung von Teilen eines Ganzen mit Kreisdiagrammen 196 Darstellung von Vergleichen mit Balkendiagrammen 197 Darstellung von Vergleichen mit Histogrammen 199 Darstellung von Gruppen mit Boxplots 200 Sehen von Datenmustern mit Streudigrammen 202 Erstellung erweiterter Streudiagramme 203 Darstellung von Gruppen 203 Darstellung von Korrelationen 204 Plotten von Zeitreihen 206 Abbildung der Zeit auf den Achsen 206 Plotten von Trends über einen bestimmten Zeitraum 208 Plotten geografischer Daten 210 Visualisierung mit Graphen 212 Erstellung ungerichteter Graphen 212 Erstellung gerichteter Graphen 214 Kapitel 11 Die Tools Herstehen 217 Arbeiten mit der IPython-Konsole 217 Arbeiten mit Bildschirmtext 218 Wechseln der Fensteranzeige 220 Die Python-Hilfe 221 Die IPython-Hilfe 223 Nutzung der magischen Funktionen 224 Objekte untersuchen 225 Das IPython Notebook 226 Arbeiten mit Formatvorlagen 226 Neustarten des Kernels 228 Wiederherstellung eines Checkpoints 229 Multimedia- und Grafikintegration 230 Einbetten von Plots und anderen Bildern 230 Laden von Beispielen aus Webseiten 232 Erhalt von Online-Grafiken und Multimedia 232 Teil W baten handhabbar machen 235 Kapitel 12 Pythons Möglichkeiten erweitern 237 Mit Scikit-learn spielen 238 Klassen in Scikit-learn verstehen 238 Anwendungen für Data Science erkennen 239 Den Hashing-Trick durchführen 242 Hash-Funktionen nutzen 242 Hash-Tricks demonstrieren 243 Mit deterministischer Selektion arbeiten 245 Zeit und Performance berücksichtigen 246 Benchmarking mit timeit 247 Mit dem Speicher-Profiler arbeiten 249 Parallele Verarbeitung 251 Mehrkern-Verarbeitung durchführen 252 Mehrkern-Verarbeitung demonstrieren 252 Kapitel 13 Datenanalyse erforschen 255 Der EDA-Ansatz 256 Beschreibende Statistik für numerische Daten 257 Lagemaße bestimmen 258 Messung von Varianz und Spannweite 258 Arbeiten mit Perzentilen 259 Normalitätsmaße 260 Zählen von kategorialen Daten 261 Häufigkeiten verstehen 262 Kontingenztafeln erstellen 263 Angewandte Visualisierung für EDA 263 Boxplots untersuchen 264 T-Test nach dem Boxplot durchführen 265 Parallele Koordinaten beobachten 266 Grafische Darstellung von Verteilungen 267 Streudiagramme zeichnen 268 Korrelation verstehen 270 Kovarianz und Korrelation nutzen 270 Nichtparametrische Korrelation nutzen 273 Chi-Quadrat für Tabellen betrachten 273 Datenverteilungen modifizieren 274 Die Normalverteilung nutzen 274 Eine Z-Score-Standardisierung erstellen 275 Andere beachtenswerte Verteilungen transformieren 275 Kapitel 16 Dimensionatität Herringern 277 SVD verstehen 278 Auf der Suche nach Dimensionalitätsverringerung 278 SVD nutzen, um das Unsichtbare zu messen 280 Faktor- und Hauptkomponentenanalyse durchführen 281 Das psychometrische Modell berücksichtigen 282 Nach versteckten Faktoren suchen 282 Komponenten nutzen, nicht Faktoren 283 Dimensionalitätsverringerung erreichen 283 Einige Anwendungen verstehen 284 Gesichter erkennen mit PCA 284 Themen mit NMF extrahieren 287 Filme empfehlen 289 Kapitel 15 Clustering 293 Mit K-means Clustern 294 K-means-Algorithmen verstehen 295 Ein Beispiel mit Bilddaten 297 Nach optimalen Lösungen suchen 298 Big Data Clustern 301 Hierarchisches Clustering durchführen 302 Jenseits von runden Clustern: DBScan 305 Kapitel 16 Ausreißer in Daten aufspüren 309 Das Aufspüren von Ausreißern in Betracht ziehen 310 Weitere Dinge finden, die schiefgehen können 311 Anomalien bei neuen Daten verstehen 312 Eine einfache univariate Methode untersuchen 312 Auf die Gauß-Verteilung zählen 314 Annahmen machen und überprüfen 315 Einen multivariaten Ansatz entwickeln 316 Hauptkomponentenanalyse nutzen 316 Cluster-Analyse nutzen 318 Ausreißer mit SVM automatisch erkennen 318 Teit V Aus Baten lernen 321 Kapitel 17 Vier einfache und effektive Algorithmen erkunden 323 Die Zahl schätzen: Lineare Regression 323 Die Familie der linearen Modelle definieren 324 Mehr Variablen nutzen 324 Limitierungen und Probleme verstehen 326 Zur logistischen Regression wechseln 327 Logistische Regression anwenden 327 Betrachtung, wenn es mehrere Klassen sind 328 Die Dinge einfach machen - Naiver Bayes 329 Herausfinden, dass naiver Bayes nicht so naiv ist 331 Textklassifizierungen vorhersagen 332 Faul lernen mit der Nearest-Neighbors-Methode 334 Vorhersagen nach der Beobachtung von Nachbarn 334 Wählen Sie Ihren k-Parameter geschickt 336 Kapitel 18 KreuzHatidierung, Selektion und Optimierung durchführen 337 Über das Problem der Anpassung eines Modells nachdenken 338 Trend und Varianz verstehen 339 Eine Strategie zur Modellauswahl definieren 340 Zwischen Trainings- und Testsatz trennen 343 Kreuzvalidierung 345 Kreuzvalidierung auf k Teilmengen anwenden 346 Probenschichtung für komplexe Daten 347 Variablen wie ein Profi auswählen 348 Durch univariate Maße selektieren 348 Eine Greedy-Suche nutzen 350 Ihre Hyperparameter aufbessern 351 Eine Rastersuche implementieren 352 Eine Zufallssuche versuchen 356 Kapitel 19 Steigerung der Komplexität mit linearen und nichtlinearen Tricks 357 Nichtlineare Transformationen nutzen 357 Variablentransformation ausüben 358 Interaktionen zwischen Variablen erstellen 360 Lineare Modelle regularisieren 364 Sich auf die Kamm-Regression (L2) verlassen 365 Das Lasso (LI) nutzen 365 Nutzung der Regularisierung 366 Elasticnet: LI L2 kombinieren 366 Kampf mit Big Data Stück für Stück 367 Bestimmen, ob es zu viele Daten sind 367 Implementierung des stochastischen Gradientenabstiegs 367 Support Vector Machines verstehen 370 Auf ein Berechnungsverfahren verlassen 371 Viele neue Parameter festlegen 373 Mit SVC klassifizieren 375 Nichtlinear arbeiten ist einfach 380 Regression mittels SVR ausführen 382 Stochastische Lösungen mit einer SVM erstellen 383 Kapitel 20 Die Macht der Vielen Herstehen 387 Mit einfachen Entscheidungsbäumen anfangen 388 Einen Entscheidungsbaum verstehen 388 Klassifikations- und Regressionsbäume erstellen 390 Maschinelles Lernen zugänglich machen 392 Mit einem Random Forest Classifier arbeiten 394 Mit einem Random-Forest-Regressor arbeiten 395 Einen Random Forest optimieren 396 Vorhersagen stärken 397 Wissen, dass viele schwache Prädiktoren gewinnen 397 Einen Gradient-Boosting-Klassifikator erstellen 398 Einen Gradient-Boosting-Regressor erstellen 399 GBM-Hyperparameter nutzen 400 Teil VI Oer Top-Ten-Teit 601 Kapitel 21 Zehn Wichtige Data-Science-Ressourcensammtungen 603 Einblicke mit Data Science Weekly erhalten 404 Eine Ressourcenliste bei U-Climb-Higher erhalten 404 Einen guten Start mit KDnuggets 404 Auf die lange Liste von Ressourcen auf Data-Science-Central zugreifen 405 Die Fakten über Open-Source-Data-Science von Meistern erhalten 406 Gratis-Lernressourcen mit Quora aufspüren 406 Hilfe zu fortgeschrittenen Themen auf Conductrics erhalten 406 Neue Tricks vom Aspirational Data Scientist lernen 407 Data-Intelligence- und Analytics-Quellen auf AnalyticBridge finden 408 Mit Jonathan Bower die Ressourcen der Entwickler entdecken 408 Kapitel 22 Zehn Datenherausforderungen, die Sie annehmen sollten 609 Der Data-Science-London + Scikit-learn-Herausforderung begegnen 410 Das Überleben auf der Titanic vorhersagen 410 Einen Kaggle-Wettbewerb finden, der Ihren Bedürfnissen entspricht 411 An Ihren Überanpassungsstrategien feilen 411 Durch den MovieLens-Datensatz gehen 412 Spam-E-Mails loswerden 413 Mit handgeschriebenen Informationen arbeiten 413 Mit Bildern arbeiten 414 Amazon.com-Reviews analysieren 415 Mit einem riesigen Graphen interagieren 416 Stichwortverzeichnis 617
any_adam_object	1
author	Mueller, John Paul 1958- Massaron, Luca
author2	Wappler, Nadine 1989- Zuchantke, Eric
author2_role	trl trl
author2_variant	n w nw e z ez
author_GND	(DE-588)137976984 (DE-588)1104968622 (DE-588)110160607X (DE-588)1101606304 (DE-588)143902865
author_facet	Mueller, John Paul 1958- Massaron, Luca Wappler, Nadine 1989- Zuchantke, Eric
author_role	aut aut
author_sort	Mueller, John Paul 1958-
author_variant	j p m jp jpm l m lm
building	Verbundindex
bvnumber	BV042709284
classification_rvk	QP 345 ST 250 ST 265 ST 270 ST 530
classification_tum	DAT 600f DAT 366f
ctrlnum	(OCoLC)909797056 (DE-599)DNB1070857319
dewey-full	510
dewey-hundreds	500 - Natural sciences and mathematics
dewey-ones	510 - Mathematics
dewey-raw	510
dewey-search	510
dewey-sort	3510
dewey-tens	510 - Mathematics
discipline	Informatik Mathematik Wirtschaftswissenschaften
edition	1. Auflage
format	Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a2200000 c 4500</leader><controlfield tag="001">BV042709284</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20180913</controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">150722s2016 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">15,N21</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1070857319</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3527712089</subfield><subfield code="c">pbk</subfield><subfield code="9">3-527-71208-9</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783527712083</subfield><subfield code="c">Print (pbk)</subfield><subfield code="9">978-3-527-71208-3</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)909797056</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1070857319</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="1" ind2=" "><subfield code="a">ger</subfield><subfield code="h">eng</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-BW</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-M347</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-1046</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-1043</subfield><subfield code="a">DE-522</subfield><subfield code="a">DE-739</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-19</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-83</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-B768</subfield><subfield code="a">DE-858</subfield><subfield code="a">DE-523</subfield><subfield code="a">DE-91G</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">510</subfield><subfield code="2">23</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QP 345</subfield><subfield code="0">(DE-625)141866:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 250</subfield><subfield code="0">(DE-625)143626:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 265</subfield><subfield code="0">(DE-625)143634:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 270</subfield><subfield code="0">(DE-625)143638:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 530</subfield><subfield code="0">(DE-625)143679:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">004</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 600f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">510</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 366f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Mueller, John Paul</subfield><subfield code="d">1958-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)137976984</subfield><subfield code="4">aut</subfield></datafield><datafield tag="240" ind1="1" ind2="0"><subfield code="0">(DE-588)1102951471</subfield><subfield code="a">Python for Data Science for Dummies</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Data Science mit Python für Dummies</subfield><subfield code="c">John Paul Mueller und Luca Massaron ; Übersetzung aus dem Amerikanischen von Nadine Wappler und Eric Zuchantke ; Fachkorrektur von Tobias Häberlein</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">1. Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Weinheim</subfield><subfield code="b">Wiley-VCH Verlag GmbH & Co. KGaA</subfield><subfield code="c">2016</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">423 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">... für Dummies</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Auf dem Cover: "Lernen Sie die Datensprache", "Auf einen Blick: Einführung in Python und die Programmierumgebung Anaconda; Solider Überblick über die Python-Bibliotheken für die Data-Science; Daten vorbereiten, verarbeiten, visualisieren"</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Visualisierung</subfield><subfield code="0">(DE-588)4188417-6</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Python</subfield><subfield code="g">Programmiersprache</subfield><subfield code="0">(DE-588)4434275-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Datenstruktur</subfield><subfield code="0">(DE-588)4011146-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Datenanalyse</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Statistik</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4151278-9</subfield><subfield code="a">Einführung</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Datenstruktur</subfield><subfield code="0">(DE-588)4011146-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="3"><subfield code="a">Visualisierung</subfield><subfield code="0">(DE-588)4188417-6</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="4"><subfield code="a">Python</subfield><subfield code="g">Programmiersprache</subfield><subfield code="0">(DE-588)4434275-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Massaron, Luca</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1104968622</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Wappler, Nadine</subfield><subfield code="d">1989-</subfield><subfield code="0">(DE-588)110160607X</subfield><subfield code="4">trl</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Zuchantke, Eric</subfield><subfield code="0">(DE-588)1101606304</subfield><subfield code="4">trl</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Häberlein, Tobias</subfield><subfield code="0">(DE-588)143902865</subfield><subfield code="4">oth</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, EPUB</subfield><subfield code="z">978-3-527-80714-7</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, MOBI</subfield><subfield code="z">978-3-527-80715-4</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">X:MVB</subfield><subfield code="q">text/html</subfield><subfield code="u">http://deposit.dnb.de/cgi-bin/dokserv?id=5249485&prov=M&dok_var=1&dok_ext=htm</subfield><subfield code="3">Inhaltstext</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="q">application/pdf</subfield><subfield code="u">http://www.wiley-vch.de/books/sample/3527712089_bindex.pdf</subfield><subfield code="y">Stichwortverzeichnis</subfield><subfield code="3">Auszug/Index</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="q">application/pdf</subfield><subfield code="u">http://www.wiley-vch.de/books/sample/3527712089_c01.pdf</subfield><subfield code="3">Auszug</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="q">text/html</subfield><subfield code="u">http://www.wiley-vch.de/publish/dt/books/ISBN3-527-71208-9/</subfield><subfield code="3">Ausführliche Beschreibung</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">HBZ Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=028140647&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-028140647</subfield></datafield></record></collection>
genre	(DE-588)4151278-9 Einführung gnd-content
genre_facet	Einführung
id	DE-604.BV042709284
illustrated	Illustrated
indexdate	2024-09-10T01:48:35Z
institution	BVB
isbn	3527712089 9783527712083
language	German English
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-028140647
oclc_num	909797056
open_access_boolean
owner	DE-M347 DE-20 DE-706 DE-860 DE-1046 DE-11 DE-29T DE-1102 DE-1043 DE-522 DE-739 DE-92 DE-859 DE-19 DE-BY-UBM DE-634 DE-83 DE-573 DE-B768 DE-858 DE-523 DE-91G DE-BY-TUM
owner_facet	DE-M347 DE-20 DE-706 DE-860 DE-1046 DE-11 DE-29T DE-1102 DE-1043 DE-522 DE-739 DE-92 DE-859 DE-19 DE-BY-UBM DE-634 DE-83 DE-573 DE-B768 DE-858 DE-523 DE-91G DE-BY-TUM
physical	423 Seiten Illustrationen, Diagramme
publishDate	2016
publishDateSearch	2016
publishDateSort	2016
publisher	Wiley-VCH Verlag GmbH & Co. KGaA
record_format	marc
series2	... für Dummies
spelling	Mueller, John Paul 1958- Verfasser (DE-588)137976984 aut (DE-588)1102951471 Python for Data Science for Dummies Data Science mit Python für Dummies John Paul Mueller und Luca Massaron ; Übersetzung aus dem Amerikanischen von Nadine Wappler und Eric Zuchantke ; Fachkorrektur von Tobias Häberlein 1. Auflage Weinheim Wiley-VCH Verlag GmbH & Co. KGaA 2016 423 Seiten Illustrationen, Diagramme txt rdacontent n rdamedia nc rdacarrier ... für Dummies Auf dem Cover: "Lernen Sie die Datensprache", "Auf einen Blick: Einführung in Python und die Programmierumgebung Anaconda; Solider Überblick über die Python-Bibliotheken für die Data-Science; Daten vorbereiten, verarbeiten, visualisieren" Visualisierung (DE-588)4188417-6 gnd rswk-swf Python Programmiersprache (DE-588)4434275-5 gnd rswk-swf Datenstruktur (DE-588)4011146-5 gnd rswk-swf Datenanalyse (DE-588)4123037-1 gnd rswk-swf Data Mining (DE-588)4428654-5 gnd rswk-swf Datenanalyse Statistik (DE-588)4151278-9 Einführung gnd-content Data Mining (DE-588)4428654-5 s Datenanalyse (DE-588)4123037-1 s Datenstruktur (DE-588)4011146-5 s Visualisierung (DE-588)4188417-6 s Python Programmiersprache (DE-588)4434275-5 s DE-604 Massaron, Luca Verfasser (DE-588)1104968622 aut Wappler, Nadine 1989- (DE-588)110160607X trl Zuchantke, Eric (DE-588)1101606304 trl Häberlein, Tobias (DE-588)143902865 oth Erscheint auch als Online-Ausgabe, EPUB 978-3-527-80714-7 Erscheint auch als Online-Ausgabe, MOBI 978-3-527-80715-4 X:MVB text/html http://deposit.dnb.de/cgi-bin/dokserv?id=5249485&prov=M&dok_var=1&dok_ext=htm Inhaltstext application/pdf http://www.wiley-vch.de/books/sample/3527712089_bindex.pdf Stichwortverzeichnis Auszug/Index application/pdf http://www.wiley-vch.de/books/sample/3527712089_c01.pdf Auszug text/html http://www.wiley-vch.de/publish/dt/books/ISBN3-527-71208-9/ Ausführliche Beschreibung HBZ Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=028140647&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis
spellingShingle	Mueller, John Paul 1958- Massaron, Luca Data Science mit Python für Dummies Visualisierung (DE-588)4188417-6 gnd Python Programmiersprache (DE-588)4434275-5 gnd Datenstruktur (DE-588)4011146-5 gnd Datenanalyse (DE-588)4123037-1 gnd Data Mining (DE-588)4428654-5 gnd
subject_GND	(DE-588)4188417-6 (DE-588)4434275-5 (DE-588)4011146-5 (DE-588)4123037-1 (DE-588)4428654-5 (DE-588)4151278-9
title	Data Science mit Python für Dummies
title_GND	(DE-588)1102951471
title_alt	Python for Data Science for Dummies
title_auth	Data Science mit Python für Dummies
title_exact_search	Data Science mit Python für Dummies
title_full	Data Science mit Python für Dummies John Paul Mueller und Luca Massaron ; Übersetzung aus dem Amerikanischen von Nadine Wappler und Eric Zuchantke ; Fachkorrektur von Tobias Häberlein
title_fullStr	Data Science mit Python für Dummies John Paul Mueller und Luca Massaron ; Übersetzung aus dem Amerikanischen von Nadine Wappler und Eric Zuchantke ; Fachkorrektur von Tobias Häberlein
title_full_unstemmed	Data Science mit Python für Dummies John Paul Mueller und Luca Massaron ; Übersetzung aus dem Amerikanischen von Nadine Wappler und Eric Zuchantke ; Fachkorrektur von Tobias Häberlein
title_short	Data Science mit Python für Dummies
title_sort	data science mit python fur dummies
topic	Visualisierung (DE-588)4188417-6 gnd Python Programmiersprache (DE-588)4434275-5 gnd Datenstruktur (DE-588)4011146-5 gnd Datenanalyse (DE-588)4123037-1 gnd Data Mining (DE-588)4428654-5 gnd
topic_facet	Visualisierung Python Programmiersprache Datenstruktur Datenanalyse Data Mining Einführung
url	http://deposit.dnb.de/cgi-bin/dokserv?id=5249485&prov=M&dok_var=1&dok_ext=htm http://www.wiley-vch.de/books/sample/3527712089_bindex.pdf http://www.wiley-vch.de/books/sample/3527712089_c01.pdf http://www.wiley-vch.de/publish/dt/books/ISBN3-527-71208-9/ http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=028140647&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT muellerjohnpaul pythonfordatasciencefordummies AT massaronluca pythonfordatasciencefordummies AT wapplernadine pythonfordatasciencefordummies AT zuchantkeeric pythonfordatasciencefordummies AT haberleintobias pythonfordatasciencefordummies AT muellerjohnpaul datasciencemitpythonfurdummies AT massaronluca datasciencemitpythonfurdummies AT wapplernadine datasciencemitpythonfurdummies AT zuchantkeeric datasciencemitpythonfurdummies AT haberleintobias datasciencemitpythonfurdummies

Holdings

There is no print copy available.

Interlibrary loan Place Request Caution: Not in THWS collection! Description

MARC

Record in the Search Index

There is no print copy available.

Similar Items