Verfügbarkeit: Einführung in Machine Learning mit Python

Einführung in Machine Learning mit Python: Praxiswissen Data Science

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Müller, Andreas Christian (VerfasserIn), Guido, Sarah (VerfasserIn)
Weitere Verfasser:	Rother, Kristian 1977- (ÜbersetzerIn)
Format:	Buch
Sprache:	German English
Veröffentlicht:	Heidelberg O'Reilly 2017
Ausgabe:	1. Auflage
Schlagworte:	Python 2.7 Big Data Python > Programmiersprache Python 3.0 Datenanalyse Maschinelles Lernen
Online-Zugang:	Inhaltstext Inhaltsverzeichnis
Beschreibung:	XIII, 362 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm
ISBN:	9783960090496 3960090498

Internformat

MARC


LEADER	00000nam a2200000 c 4500
001	BV044394650
003	DE-604
005	20190730
007	t
008	170704s2017 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 17,N12 \|2 dnb
016	7		\|a 1127544586 \|2 DE-101
020			\|a 9783960090496 \|c Broschur : circa EUR 39.90 (DE), circa EUR 41.10 (AT) \|9 978-3-96009-049-6
020			\|a 3960090498 \|9 3-96009-049-8
024	3		\|a 9783960090496
035			\|a (OCoLC)979555741
035			\|a (DE-599)DNB1127544586
040			\|a DE-604 \|b ger \|e rda
041	1		\|a ger \|h eng
044			\|a gw \|c XA-DE-BW
049			\|a DE-858 \|a DE-M347 \|a DE-B768 \|a DE-1046 \|a DE-92 \|a DE-1050 \|a DE-1102 \|a DE-83 \|a DE-859 \|a DE-862 \|a DE-860 \|a DE-11 \|a DE-29T \|a DE-634 \|a DE-91G \|a DE-703 \|a DE-706 \|a DE-384 \|a DE-1043 \|a DE-N2 \|a DE-91 \|a DE-522 \|a DE-573 \|a DE-20 \|a DE-739 \|a DE-188 \|a DE-526 \|a DE-945 \|a DE-898 \|a DE-355 \|a DE-525 \|a DE-1049 \|a DE-19
082	0		\|a 006.31 \|2 [22ger];
082	0		\|a 005.133 \|2 [22ger];
082	0		\|a 004 \|2 23
084			\|a ST 250 \|0 (DE-625)143626: \|2 rvk
084			\|a ST 530 \|0 (DE-625)143679: \|2 rvk
084			\|a ST 300 \|0 (DE-625)143650: \|2 rvk
084			\|a DAT 708f \|2 stub
084			\|a 004 \|2 sdnb
084			\|a DAT 366f \|2 stub
100	1		\|a Müller, Andreas Christian \|e Verfasser \|0 (DE-588)1060129469 \|4 aut
240	1	0	\|0 (DE-588)1136978844 \|a Introduction to machine learning with Python
245	1	0	\|a Einführung in Machine Learning mit Python \|b Praxiswissen Data Science \|c Andreas C. Müller und Sarah Guido ; deutsche Übersetzung von Kristian Rother
250			\|a 1. Auflage
264		1	\|a Heidelberg \|b O'Reilly \|c 2017
300			\|a XIII, 362 Seiten \|b Illustrationen, Diagramme \|c 24 cm x 16.5 cm
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
650	0	7	\|a Python 2.7 \|0 (DE-588)7741095-6 \|2 gnd \|9 rswk-swf
650	0	7	\|a Big Data \|0 (DE-588)4802620-7 \|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 Python 3.0 \|0 (DE-588)7624871-9 \|2 gnd \|9 rswk-swf
650	0	7	\|a Datenanalyse \|0 (DE-588)4123037-1 \|2 gnd \|9 rswk-swf
650	0	7	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|2 gnd \|9 rswk-swf
689	0	0	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|D s
689	0	1	\|a Datenanalyse \|0 (DE-588)4123037-1 \|D s
689	0	2	\|a Big Data \|0 (DE-588)4802620-7 \|D s
689	0	3	\|a Python 2.7 \|0 (DE-588)7741095-6 \|D s
689	0	4	\|a Python 3.0 \|0 (DE-588)7624871-9 \|D s
689	0		\|5 DE-604
689	1	0	\|a Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|D s
689	1	1	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|D s
689	1		\|5 DE-604
700	1		\|a Guido, Sarah \|e Verfasser \|0 (DE-588)1117052265 \|4 aut
700	1		\|a Rother, Kristian \|d 1977- \|0 (DE-588)133397068 \|4 trl
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, PDF \|z 978-3-96010-111-6
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, ePub \|z 978-3-96010-112-3
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, mobi \|z 978-3-96010-113-0
856	4	2	\|m X:MVB \|q text/html \|u http://deposit.dnb.de/cgi-bin/dokserv?id=0b17cb527c6f4e4f9973eb39df44fe68&prov=M&dok_var=1&dok_ext=htm \|3 Inhaltstext
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=029796818&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
943	1		\|a oai:aleph.bib-bvb.de:BVB01-029796818

Datensatz im Suchindex

DE-BY-862_location	2000
DE-BY-FWS_call_number	2000/ST 250 P99 M946 E3
DE-BY-FWS_katkey	651242
DE-BY-FWS_media_number	083000517923
_version_	1806529044461649920
adam_text	Titel: Einführung in Machine Learning mit Python Autor: Müller, Andreas Christian Jahr: 2017 Inhalt Vorwort . IX 1 Einführung. 1 Warum Machine Learning?. 1 Welche Probleme kann Machine Learning lösen?. 2 Ihre Aufgabe und Ihre Daten kennen . 5 Warum Python?. 5 scikit-learn. 6 Installieren von scikit-learn. 6 Grundlegende Bibliotheken und Werkzeuge. 7 Jupyter Notebook. 8 NumPy. 8 SciPy. 8 matplotlib. 10 pandas. 10 mglearn. 11 Python 2 versus Python 3 . 12 In diesem Buch verwendete Versionen . 13 Eine erste Anwendung: Klassifizieren von Iris-Spezies . 14 Die Daten kennenlernen. 15 Erfolg nachweisen: Trainings- und Testdaten. 17 Das Wichtigste zuerst: Sichten Sie Ihre Daten. 19 Ihr erstes Modell konstruieren: k-nächste-Nachbarn. 21 Vorhersagen treffen. 22 Evaluieren des Modells. 23 Zusammenfassung und Ausblick. 23 2 Überwachtes Lernen. 27 Klassifikation und Regression. 27 Verallgemeinerung, Overfitting und Underfitting . 28 Zusammenhang zwischen Modellkomplexität und Größe des Datensatzes. 31 Algorithmen zum überwachten Lernen . 32 Einige Beispieldatensätze. 32 k-nächste-Nachbarn. 36 Lineare Modelle. 45 Naive Bayes-Klassifikatoren. 66 Entscheidungsbäume. 68 Ensembles von Entscheidungsbäumen. 80 Support Vector Machines mit Kernel. 88 Neuronale Netze (Deep Learning). 99 Schätzungen der Unsicherheit von Klassifikatoren. 112 Die Entscheidungsfunktion. 113 Vorhersagen von Wahrscheinlichkeiten. 116 Unsicherheit bei der Klassifikation mehrerer Kategorien. 118 Zusammenfassung und Ausblick. 120 3 Unüberwachtes Lernen und Vorverarbeitung. 123 Arten von unüberwachtem Lernen. 123 Herausforderungen beim unüberwachten Lernen . 124 Vorverarbeiten und Skalieren. 124 Unterschiedliche Möglichkeiten der Vorverarbeitung. 125 Anwenden von Datentransformationen. 126 Trainings- und Testdaten in gleicher Weise skalieren. 128 Die Auswirkungen der Vorverarbeitung auf überwachtes Lernen. 130 Dimensionsreduktion, Extraktion von Merkmalen und Manifold Learning. 132 Hauptkomponentenzerlegung (PCA) . 132 Nicht-negative-Matrix-Faktorisierung (NMF). 147 Manifold Learning mit t-SNE. 154 Clusteranalyse. 158 k-Means-Clustering. 158 Agglomeratives Clustering. 169 DBSCAN. 174 Vergleichen und Auswerten von Clusteralgorithmen. 178 Zusammenfassung der Clustering-Methoden. 192 Zusammenfassung und Ausblick. 193 4 Repräsentation von Daten und Merkmalsgenerierung. 195 KategorischeVariablen. 196 One-Hot-Kodierung (Dummy-Variablen). 197 Zahlen können kategorische Daten kodieren. 202 Binning, Diskretisierung, lineare Modelle und Bäume . 204 Interaktionen und Polynome. 208 Univariate nichtlineare Transformation . 214 Automatische Auswahl von Merkmalen. 218 Univariate Statistiken. 218 Modellbasierte Auswahl von Merkmalen. 221 Iterative Auswahl von Merkmalen. 222 Berücksichtigen von Expertenwissen. 224 Zusammenfassung und Ausblick. 233 5 Evaluierung und Verbesserung von M odellen. 235 Kreuzvalidierung. 236 Kreuzvalidierung in scikit-learn. 237 Vorteile der Kreuzvalidierung. 238 Stratifizierte k-fache Kreuzvalidierung und andere Strategien . . . . 238 Gittersuche. 244 Einfache Gittersuche. 245 Die Gefahr des Overfittings von Parametern und Validierungsdaten. 246 Gittersuche mit Kreuzvalidierung. 248 Evaluationsmetriken. 260 Das Ziel im Auge behalten. 260 Metriken zur binären Klassifikation. 261 Metriken zur Klassifikation mehrerer Kategorien. 282 Regressionsmetriken. 284 Verwenden von Metriken zur Modellauswahl. 285 Zusammenfassung und Ausblick. 287 6 Verkettete Algorithmen und Pipelines. 289 Parameterauswahl mit Vorverarbeitung. 290 Erstellen von Pipelines. 292 Pipelines zur Gittersuche einsetzen. 293 Die allgemeine Pipeline-Schnittstelle. 296 Bequemes Erstellen von Pipelines mit make_pipeline. 297 Zugriff auf Attribute von Schritten. 298 Zugriff auf Attribute in einer Pipeline mit Gittersuche. 299 Gittersuche für Vorverarbeitungsschritte und Modellparameter . . . . 300 Gittersuche nach dem richtigen M odell. 303 Zusammenfassung und Ausblick. 304 7 Verarbeiten von T extdaten. 307 Arten von als Strings repräsentierter Daten . 307 Anwendungsbeispiel: Meinungsanalyse zu Filmbewertungen. 309 Repräsentation von Text als Bag-of-Words . 311 Anwenden von Bag-of-Words auf einen einfachen Datensatz. . . . 313 Bag-of-Words der Filmbewertungen. 314 Stoppwörter. 318 Umskalieren der Daten mit tf-idf. 319 Untersuchen der Koeffizienten des Modells. 322 Bag-of-Words mit mehr als einem Wort (n-Gramme) . 323 Fortgeschrittene Tokenisierung, Stemming und Lemmatisierung . . . 327 Modellierung von Themen und Clustering von Dokumenten. 331 Latent Dirichlet Allocation. 331 Zusammenfassung und Ausblick. 338 8 Zusammenfassung und weiterführende Ressourcen. 341 Herangehensweise an eine Fragestellung beim maschinellen Lernen . 341 Der menschliche Faktor. 342 Vom Prototyp zum Produktivsystem. 343 Testen von Produktivsystemen. 344 Konstruieren eines eigenen Estimators. 344 Wie geht es von hier aus weiter?. 345 Theorie. 345 Andere Umgebungen und Programmpakete zum maschinellen Lernen. 346 Ranking, Empfehlungssysteme und andere Arten von Lernen . . . 347 Probabilistische Modellierung, Inferenz und probabilistische Programmierung. 347 Neuronale N etze. 348 Skalieren auf größere Datensätze. 349 Verfeinern Sie Ihre Fähigkeiten. 350 Schlussbemerkung. 351 Index. 353
any_adam_object	1
author	Müller, Andreas Christian Guido, Sarah
author2	Rother, Kristian 1977-
author2_role	trl
author2_variant	k r kr
author_GND	(DE-588)1060129469 (DE-588)1117052265 (DE-588)133397068
author_facet	Müller, Andreas Christian Guido, Sarah Rother, Kristian 1977-
author_role	aut aut
author_sort	Müller, Andreas Christian
author_variant	a c m ac acm s g sg
building	Verbundindex
bvnumber	BV044394650
classification_rvk	ST 250 ST 530 ST 300
classification_tum	DAT 708f DAT 366f
ctrlnum	(OCoLC)979555741 (DE-599)DNB1127544586
dewey-full	006.31 005.133 004
dewey-hundreds	000 - Computer science, information, general works
dewey-ones	006 - Special computer methods 005 - Computer programming, programs, data, security 004 - Computer science
dewey-raw	006.31 005.133 004
dewey-search	006.31 005.133 004
dewey-sort	16.31
dewey-tens	000 - Computer science, information, general works
discipline	Informatik
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">BV044394650</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20190730</controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">170704s2017 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">17,N12</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1127544586</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783960090496</subfield><subfield code="c">Broschur : circa EUR 39.90 (DE), circa EUR 41.10 (AT)</subfield><subfield code="9">978-3-96009-049-6</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3960090498</subfield><subfield code="9">3-96009-049-8</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783960090496</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)979555741</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1127544586</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-858</subfield><subfield code="a">DE-M347</subfield><subfield code="a">DE-B768</subfield><subfield code="a">DE-1046</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-1050</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-83</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-862</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-91G</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-384</subfield><subfield code="a">DE-1043</subfield><subfield code="a">DE-N2</subfield><subfield code="a">DE-91</subfield><subfield code="a">DE-522</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-739</subfield><subfield code="a">DE-188</subfield><subfield code="a">DE-526</subfield><subfield code="a">DE-945</subfield><subfield code="a">DE-898</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-525</subfield><subfield code="a">DE-1049</subfield><subfield code="a">DE-19</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">006.31</subfield><subfield code="2">[22ger];</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">005.133</subfield><subfield code="2">[22ger];</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">004</subfield><subfield code="2">23</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 530</subfield><subfield code="0">(DE-625)143679:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 300</subfield><subfield code="0">(DE-625)143650:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 708f</subfield><subfield code="2">stub</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 366f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Müller, Andreas Christian</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1060129469</subfield><subfield code="4">aut</subfield></datafield><datafield tag="240" ind1="1" ind2="0"><subfield code="0">(DE-588)1136978844</subfield><subfield code="a">Introduction to machine learning with Python</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Einführung in Machine Learning mit Python</subfield><subfield code="b">Praxiswissen Data Science</subfield><subfield code="c">Andreas C. Müller und Sarah Guido ; deutsche Übersetzung von Kristian Rother</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">1. Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Heidelberg</subfield><subfield code="b">O'Reilly</subfield><subfield code="c">2017</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XIII, 362 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield><subfield code="c">24 cm x 16.5 cm</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="650" ind1="0" ind2="7"><subfield code="a">Python 2.7</subfield><subfield code="0">(DE-588)7741095-6</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Big Data</subfield><subfield code="0">(DE-588)4802620-7</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">Python 3.0</subfield><subfield code="0">(DE-588)7624871-9</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">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</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">Big Data</subfield><subfield code="0">(DE-588)4802620-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="3"><subfield code="a">Python 2.7</subfield><subfield code="0">(DE-588)7741095-6</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="4"><subfield code="a">Python 3.0</subfield><subfield code="0">(DE-588)7624871-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><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="1" ind2="1"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Guido, Sarah</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1117052265</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Rother, Kristian</subfield><subfield code="d">1977-</subfield><subfield code="0">(DE-588)133397068</subfield><subfield code="4">trl</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, PDF</subfield><subfield code="z">978-3-96010-111-6</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">978-3-96010-112-3</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">978-3-96010-113-0</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=0b17cb527c6f4e4f9973eb39df44fe68&prov=M&dok_var=1&dok_ext=htm</subfield><subfield code="3">Inhaltstext</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=029796818&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:BVB01-029796818</subfield></datafield></record></collection>
id	DE-604.BV044394650
illustrated	Illustrated
indexdate	2024-08-05T08:45:50Z
institution	BVB
isbn	9783960090496 3960090498
language	German English
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-029796818
oclc_num	979555741
open_access_boolean
owner	DE-858 DE-M347 DE-B768 DE-1046 DE-92 DE-1050 DE-1102 DE-83 DE-859 DE-862 DE-BY-FWS DE-860 DE-11 DE-29T DE-634 DE-91G DE-BY-TUM DE-703 DE-706 DE-384 DE-1043 DE-N2 DE-91 DE-BY-TUM DE-522 DE-573 DE-20 DE-739 DE-188 DE-526 DE-945 DE-898 DE-BY-UBR DE-355 DE-BY-UBR DE-525 DE-1049 DE-19 DE-BY-UBM
owner_facet	DE-858 DE-M347 DE-B768 DE-1046 DE-92 DE-1050 DE-1102 DE-83 DE-859 DE-862 DE-BY-FWS DE-860 DE-11 DE-29T DE-634 DE-91G DE-BY-TUM DE-703 DE-706 DE-384 DE-1043 DE-N2 DE-91 DE-BY-TUM DE-522 DE-573 DE-20 DE-739 DE-188 DE-526 DE-945 DE-898 DE-BY-UBR DE-355 DE-BY-UBR DE-525 DE-1049 DE-19 DE-BY-UBM
physical	XIII, 362 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm
publishDate	2017
publishDateSearch	2017
publishDateSort	2017
publisher	O'Reilly
record_format	marc
spellingShingle	Müller, Andreas Christian Guido, Sarah Einführung in Machine Learning mit Python Praxiswissen Data Science Python 2.7 (DE-588)7741095-6 gnd Big Data (DE-588)4802620-7 gnd Python Programmiersprache (DE-588)4434275-5 gnd Python 3.0 (DE-588)7624871-9 gnd Datenanalyse (DE-588)4123037-1 gnd Maschinelles Lernen (DE-588)4193754-5 gnd
subject_GND	(DE-588)7741095-6 (DE-588)4802620-7 (DE-588)4434275-5 (DE-588)7624871-9 (DE-588)4123037-1 (DE-588)4193754-5
title	Einführung in Machine Learning mit Python Praxiswissen Data Science
title_GND	(DE-588)1136978844
title_alt	Introduction to machine learning with Python
title_auth	Einführung in Machine Learning mit Python Praxiswissen Data Science
title_exact_search	Einführung in Machine Learning mit Python Praxiswissen Data Science
title_full	Einführung in Machine Learning mit Python Praxiswissen Data Science Andreas C. Müller und Sarah Guido ; deutsche Übersetzung von Kristian Rother
title_fullStr	Einführung in Machine Learning mit Python Praxiswissen Data Science Andreas C. Müller und Sarah Guido ; deutsche Übersetzung von Kristian Rother
title_full_unstemmed	Einführung in Machine Learning mit Python Praxiswissen Data Science Andreas C. Müller und Sarah Guido ; deutsche Übersetzung von Kristian Rother
title_short	Einführung in Machine Learning mit Python
title_sort	einfuhrung in machine learning mit python praxiswissen data science
title_sub	Praxiswissen Data Science
topic	Python 2.7 (DE-588)7741095-6 gnd Big Data (DE-588)4802620-7 gnd Python Programmiersprache (DE-588)4434275-5 gnd Python 3.0 (DE-588)7624871-9 gnd Datenanalyse (DE-588)4123037-1 gnd Maschinelles Lernen (DE-588)4193754-5 gnd
topic_facet	Python 2.7 Big Data Python Programmiersprache Python 3.0 Datenanalyse Maschinelles Lernen
url	http://deposit.dnb.de/cgi-bin/dokserv?id=0b17cb527c6f4e4f9973eb39df44fe68&prov=M&dok_var=1&dok_ext=htm http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=029796818&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT mullerandreaschristian introductiontomachinelearningwithpython AT guidosarah introductiontomachinelearningwithpython AT rotherkristian introductiontomachinelearningwithpython AT mullerandreaschristian einfuhrunginmachinelearningmitpythonpraxiswissendatascience AT guidosarah einfuhrunginmachinelearningmitpythonpraxiswissendatascience AT rotherkristian einfuhrunginmachinelearningmitpythonpraxiswissendatascience

Verfügbarkeit

Beschreibung

THWS Schweinfurt Zentralbibliothek Lesesaal

Bestandesangaben von THWS Schweinfurt Zentralbibliothek Lesesaal
Signatur:	2000 ST 250 P99 M946 E3
Exemplar 1	ausleihbar Checked out – Rückgabe bis: 20.03.2025 Vormerken

MARC

Datensatz im Suchindex

THWS Schweinfurt Zentralbibliothek Lesesaal

Ähnliche Einträge