Maschinelles Lernen: Grundlagen und Algorithmen in Python : mit 146 Abbildungen, 22 Tabellen und zahlreichen Beispielen
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Format: | Buch |
| Sprache: | German |
| Veröffentlicht: |
München
Hanser
[2019]
|
| Ausgabe: | 2., aktualisierte Auflage |
| Schlagworte: | |
| Online-Zugang: | Inhaltsverzeichnis |
| Beschreibung: | 406 Seiten Illustrationen, Diagramme 24 cm |
| ISBN: | 9783446459960 3446459960 |
Internformat
MARC
| LEADER | 00000nam a22000008c 4500 | ||
|---|---|---|---|
| 001 | BV045395867 | ||
| 003 | DE-604 | ||
| 005 | 20210211 | ||
| 007 | t | ||
| 008 | 190111s2019 gw a||| |||| 00||| ger d | ||
| 015 | |a 18,N51 |2 dnb | ||
| 016 | 7 | |a 1173268324 |2 DE-101 | |
| 020 | |a 9783446459960 |c Broschur : EUR 38.00 (DE), EUR 39.10 (AT) |9 978-3-446-45996-0 | ||
| 020 | |a 3446459960 |9 3-446-45996-0 | ||
| 024 | 3 | |a 9783446459960 | |
| 028 | 5 | 2 | |a Bestellnummer: 553/45996 |
| 035 | |a (OCoLC)1079567464 | ||
| 035 | |a (DE-599)DNB1173268324 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c XA-DE-BY | ||
| 049 | |a DE-91G |a DE-M347 |a DE-92 |a DE-521 |a DE-862 |a DE-12 |a DE-188 |a DE-83 |a DE-384 |a DE-29T |a DE-Aug4 |a DE-473 |a DE-210 |a DE-M158 |a DE-859 |a DE-526 |a DE-739 |a DE-523 |a DE-19 |a DE-1051 |a DE-898 |a DE-1050 |a DE-11 |a DE-1046 |a DE-703 |a DE-861 | ||
| 084 | |a ST 300 |0 (DE-625)143650: |2 rvk | ||
| 084 | |a ST 302 |0 (DE-625)143652: |2 rvk | ||
| 084 | |a ST 250 |0 (DE-625)143626: |2 rvk | ||
| 084 | |a ST 301 |0 (DE-625)143651: |2 rvk | ||
| 084 | |a DAT 708f |2 stub | ||
| 084 | |a DAT 366f |2 stub | ||
| 084 | |a 620 |2 sdnb | ||
| 100 | 1 | |a Frochte, Jörg |d 1975- |e Verfasser |0 (DE-588)173809782 |4 aut | |
| 245 | 1 | 0 | |a Maschinelles Lernen |b Grundlagen und Algorithmen in Python : mit 146 Abbildungen, 22 Tabellen und zahlreichen Beispielen |c Jörg Frochte |
| 250 | |a 2., aktualisierte Auflage | ||
| 264 | 1 | |a München |b Hanser |c [2019] | |
| 264 | 4 | |c © 2019 | |
| 300 | |a 406 Seiten |b Illustrationen, Diagramme |c 24 cm | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 650 | 0 | 7 | |a Programmbibliothek |0 (DE-588)4121521-7 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |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 Data Mining |0 (DE-588)4428654-5 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Neuronales Netz |0 (DE-588)4226127-2 |2 gnd |9 rswk-swf |
| 653 | |a Mixed media product | ||
| 653 | |a MABA2016 | ||
| 653 | |a bestärkendes Lernen | ||
| 653 | |a computer Lernen | ||
| 653 | |a Data Mining | ||
| 653 | |a DBSCAN | ||
| 653 | |a deep learning | ||
| 653 | |a Entscheidungsbaum Beispiel | ||
| 653 | |a google Bilderkennung | ||
| 653 | |a induktives Lernen | ||
| 653 | |a KI programmieren | ||
| 653 | |a Künstliche Intelligenz | ||
| 653 | |a Lernen lernen Methoden | ||
| 653 | |a Machine Learning | ||
| 653 | |a machine learning algorithmen | ||
| 653 | |a maschinelles Lernen | ||
| 653 | |a Maschinenlernen | ||
| 653 | |a Mechatronik | ||
| 653 | |a neuronale Netze | ||
| 653 | |a Objekterkennung | ||
| 653 | |a Python 3 | ||
| 653 | |a Q-Learning | ||
| 653 | |a Random Forest | ||
| 653 | |a selbstlernende Algorithmen | ||
| 653 | |a selbstlernende Systeme | ||
| 653 | |a service engineer | ||
| 653 | |a überwachtes Lernen | ||
| 653 | |a unüberwachtes Lernen | ||
| 655 | 7 | |8 1\p |0 (DE-588)4123623-3 |a Lehrbuch |2 gnd-content | |
| 689 | 0 | 0 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |D s |
| 689 | 0 | 1 | |a Python 3.0 |0 (DE-588)7624871-9 |D s |
| 689 | 0 | 2 | |a Programmbibliothek |0 (DE-588)4121521-7 |D s |
| 689 | 0 | 3 | |a Neuronales Netz |0 (DE-588)4226127-2 |D s |
| 689 | 0 | 4 | |a Data Mining |0 (DE-588)4428654-5 |D s |
| 689 | 0 | |5 DE-604 | |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, E-Book |z 978-3-446-45997-7 |
| 787 | 0 | 8 | |i Überarbeitet als |b 3. Auflage |d 2021 |z 978-3-446-46144-4 |w (DE-604)BV047059895 |
| 856 | 4 | 2 | |m Digitalisierung UB Passau - ADAM Catalogue Enrichment |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030782054&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 999 | |a oai:aleph.bib-bvb.de:BVB01-030782054 | ||
| 883 | 1 | |8 1\p |a cgwrk |d 20201028 |q DE-101 |u https://d-nb.info/provenance/plan#cgwrk | |
Datensatz im Suchindex
| DE-BY-862_location | 2000 |
|---|---|
| DE-BY-FWS_call_number | 2000/ST 302 B817(2) |
| DE-BY-FWS_katkey | 713981 |
| DE-BY-FWS_media_number | 083000521147 |
| _version_ | 1806175928318951424 |
| adam_text | Inhalt D 0 Einleitung.............................................................................................. 9 Maschinelles Lernen - Überblick und Abgrenzung....................... 13 2.1 Lernen, was bedeutetet das eigentlich?................................................................ 13 2.2 Künstliche Intelligenz, Data Mining und Knowledge Discovery in Databases.... 14 2.3 Strukturierte und unstrukturierte Daten in Big und Small................................. 17 2.4 Überwachtes, unüberwachtes und bestärkendes Lernen.................................. 20 2.5 Werkzeuge und Ressourcen................................................................................... 26 2.6 Anforderungen und Datenschutz im praktischen Einsatz.................................. 27 0 Python, NumPy, SciPy und Matplotlib - in a nutshell................... 32 3.1 Installation mittels Anaconda und die Spyder-IDE.............................................. 32 3.2 Python Grundlagen............................................................................................... 35 3.3 Matrizen und Arrays in NumPy............................................................................. 43 3.4 Interpolation und Extrapolation von Funktionen mit SciPy............................... 53 3.5 Daten aus Textdateien laden und speichern........................................................ 59 3.6 Visualisieren mit der Matplotlib........................................................................... 61 3.7 Performance-Probleme und
Vektorisierung........................................................ 65 Q Statistische Grundlagen und Bayes-Klassifikator......................... 68 4.1 Einige Grundbegriffe der Statistik......................................................................... 68 4.2 Satz von Bayes und Skalenniveaus........................................................................ 70 4.3 Bayes-Klassifikator, Verteilungen und Unabhängigkeit....................................... 76 0 Lineare Modelle und Lazy Learning................................................. 88 5.1 Vektorräume, Metriken und Normen................................................................... 88 5.2 Methode der kleinsten Quadrate zur Regression.................................................. 102 5.3 Der Fluch der Dimensionalität............................................................................. 109 5.4 k-Nearest-Neighbor-Algorithmus......................................................................... 110
6 Inhalt H Entscheidungsbäume............................................................................ 117 6.1 Bäume als Datenstruktur........................................................................................ 117 6.2 Klassifikationsbäume für nominale Merkmale mit dem ID3-Algorithmus.......... 122 6.3 Klassifikations- und Regressionsbäume für quantitative Merkmale.................... 135 6.4 Overfitting und Pruning.......................................................................................... 149 6.5 Random Forest......................................................................................................... 154 Q Ein- und mehrschichtige Feedforward-Netze...................................161 7.1 Einlagiges Perzepton und Hebbsche Lernregel..................................................... 162 7.2 Multilayer Perceptron und Gradientenverfahren.................................................. 169 7.3 Auslegung, Lernsteuerung und Overfitting............................................................ 189 0 Deep Neural Networks mit Keras........................................................210 8.1 Deep Multilayer Perceptron und Regularisierung................................................. 210 8.2 Ein Einstieg in Convolutional Neural Networks..................................................... 228 0 Feature-Reduktion und -Auswahl........................................................251 9.1 Allgemeine Aufbereitung von Daten...................................................................... 253 9.2
Featureauswahl....................................................................................................... 261 9.3 Hauptkomponentenanalyse (PCA) ........................................................................ 271 9.4 Autoencoder mit Keras........................................................................................... 280 UffSupport Vector Machines.......................................................................286 10.1 Optimale Separation............................................................................................... 286 10.2 Soft-Margin für nicht-linear separierbare Klassen................................................ 292 10.3 Kernel Ansätze......................................................................................................... 293 10.4 SVM in scikit-learn.................................................................................................. 298 Qciustering-Verfahren............................................................................... 304 11.1 k-Means und k-Means++........................................................................................ 308 11.2 Fuzzy-C-Means....................................................................................................... 313 11.3 Dichte-basierte Cluster-Analyse mit DBSCAN...................................................... 317 11.4 Hierarchische Clusteranalyse.................................................................................. 324 ¡^Bestärkendes
Lernen..............................................................................331 12.1 Software-Agenten und ihre Umgebung................................................................. 331 12.2 Markow-Entscheidungsproblem............................................................................ 334 12.3 Q-Learning.............................................................................................................. 342
Inhalt 7 12.4 Der SARSA Algorithmus......................................................................................... 349 12.5 Unvollständige Informationen und Softmax........................................................ 351 12.6 Q-Learning mittels Funktionsapproximation....................................................... 355 12.7 Ausblick auf Multi-Agenten-und hierarchische Szenarien.................................. 385 Literatur........................................................................................................395 Index............................................................................................................. 401
|
| any_adam_object | 1 |
| author | Frochte, Jörg 1975- |
| author_GND | (DE-588)173809782 |
| author_facet | Frochte, Jörg 1975- |
| author_role | aut |
| author_sort | Frochte, Jörg 1975- |
| author_variant | j f jf |
| building | Verbundindex |
| bvnumber | BV045395867 |
| classification_rvk | ST 300 ST 302 ST 250 ST 301 |
| classification_tum | DAT 708f DAT 366f |
| ctrlnum | (OCoLC)1079567464 (DE-599)DNB1173268324 |
| discipline | Maschinenbau / Maschinenwesen Informatik |
| edition | 2., aktualisierte Auflage |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>03779nam a22009618c 4500</leader><controlfield tag="001">BV045395867</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20210211 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">190111s2019 gw a||| |||| 00||| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">18,N51</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1173268324</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783446459960</subfield><subfield code="c">Broschur : EUR 38.00 (DE), EUR 39.10 (AT)</subfield><subfield code="9">978-3-446-45996-0</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3446459960</subfield><subfield code="9">3-446-45996-0</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783446459960</subfield></datafield><datafield tag="028" ind1="5" ind2="2"><subfield code="a">Bestellnummer: 553/45996</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1079567464</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1173268324</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="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-BY</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-91G</subfield><subfield code="a">DE-M347</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-521</subfield><subfield code="a">DE-862</subfield><subfield code="a">DE-12</subfield><subfield code="a">DE-188</subfield><subfield code="a">DE-83</subfield><subfield code="a">DE-384</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-473</subfield><subfield code="a">DE-210</subfield><subfield code="a">DE-M158</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-526</subfield><subfield code="a">DE-739</subfield><subfield code="a">DE-523</subfield><subfield code="a">DE-19</subfield><subfield code="a">DE-1051</subfield><subfield code="a">DE-898</subfield><subfield code="a">DE-1050</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-1046</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-861</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">ST 302</subfield><subfield code="0">(DE-625)143652:</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 301</subfield><subfield code="0">(DE-625)143651:</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">DAT 366f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">620</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Frochte, Jörg</subfield><subfield code="d">1975-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)173809782</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Maschinelles Lernen</subfield><subfield code="b">Grundlagen und Algorithmen in Python : mit 146 Abbildungen, 22 Tabellen und zahlreichen Beispielen</subfield><subfield code="c">Jörg Frochte</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">2., aktualisierte Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">München</subfield><subfield code="b">Hanser</subfield><subfield code="c">[2019]</subfield></datafield><datafield tag="264" ind1=" " ind2="4"><subfield code="c">© 2019</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">406 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield><subfield code="c">24 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">Programmbibliothek</subfield><subfield code="0">(DE-588)4121521-7</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="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">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="650" ind1="0" ind2="7"><subfield code="a">Neuronales Netz</subfield><subfield code="0">(DE-588)4226127-2</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Mixed media product</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">MABA2016</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">bestärkendes Lernen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">computer Lernen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Mining</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">DBSCAN</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">deep learning</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Entscheidungsbaum Beispiel</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">google Bilderkennung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">induktives Lernen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">KI programmieren</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Künstliche Intelligenz</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Lernen lernen Methoden</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Machine Learning</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">machine learning algorithmen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">maschinelles Lernen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Maschinenlernen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Mechatronik</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">neuronale Netze</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Objekterkennung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Python 3</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Q-Learning</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Random Forest</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">selbstlernende Algorithmen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">selbstlernende Systeme</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">service engineer</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">überwachtes Lernen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">unüberwachtes Lernen</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="8">1\p</subfield><subfield code="0">(DE-588)4123623-3</subfield><subfield code="a">Lehrbuch</subfield><subfield code="2">gnd-content</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">Python 3.0</subfield><subfield code="0">(DE-588)7624871-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Programmbibliothek</subfield><subfield code="0">(DE-588)4121521-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="3"><subfield code="a">Neuronales Netz</subfield><subfield code="0">(DE-588)4226127-2</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="4"><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=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, E-Book</subfield><subfield code="z">978-3-446-45997-7</subfield></datafield><datafield tag="787" ind1="0" ind2="8"><subfield code="i">Überarbeitet als</subfield><subfield code="b">3. Auflage</subfield><subfield code="d">2021</subfield><subfield code="z">978-3-446-46144-4</subfield><subfield code="w">(DE-604)BV047059895</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">Digitalisierung UB Passau - ADAM Catalogue Enrichment</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=030782054&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-030782054</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">cgwrk</subfield><subfield code="d">20201028</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#cgwrk</subfield></datafield></record></collection> |
| genre | 1\p (DE-588)4123623-3 Lehrbuch gnd-content |
| genre_facet | Lehrbuch |
| id | DE-604.BV045395867 |
| illustrated | Illustrated |
| indexdate | 2024-08-01T11:13:12Z |
| institution | BVB |
| isbn | 9783446459960 3446459960 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-030782054 |
| oclc_num | 1079567464 |
| open_access_boolean | |
| owner | DE-91G DE-BY-TUM DE-M347 DE-92 DE-521 DE-862 DE-BY-FWS DE-12 DE-188 DE-83 DE-384 DE-29T DE-Aug4 DE-473 DE-BY-UBG DE-210 DE-M158 DE-859 DE-526 DE-739 DE-523 DE-19 DE-BY-UBM DE-1051 DE-898 DE-BY-UBR DE-1050 DE-11 DE-1046 DE-703 DE-861 |
| owner_facet | DE-91G DE-BY-TUM DE-M347 DE-92 DE-521 DE-862 DE-BY-FWS DE-12 DE-188 DE-83 DE-384 DE-29T DE-Aug4 DE-473 DE-BY-UBG DE-210 DE-M158 DE-859 DE-526 DE-739 DE-523 DE-19 DE-BY-UBM DE-1051 DE-898 DE-BY-UBR DE-1050 DE-11 DE-1046 DE-703 DE-861 |
| physical | 406 Seiten Illustrationen, Diagramme 24 cm |
| publishDate | 2019 |
| publishDateSearch | 2019 |
| publishDateSort | 2019 |
| publisher | Hanser |
| record_format | marc |
| spellingShingle | Frochte, Jörg 1975- Maschinelles Lernen Grundlagen und Algorithmen in Python : mit 146 Abbildungen, 22 Tabellen und zahlreichen Beispielen Programmbibliothek (DE-588)4121521-7 gnd Maschinelles Lernen (DE-588)4193754-5 gnd Python 3.0 (DE-588)7624871-9 gnd Data Mining (DE-588)4428654-5 gnd Neuronales Netz (DE-588)4226127-2 gnd |
| subject_GND | (DE-588)4121521-7 (DE-588)4193754-5 (DE-588)7624871-9 (DE-588)4428654-5 (DE-588)4226127-2 (DE-588)4123623-3 |
| title | Maschinelles Lernen Grundlagen und Algorithmen in Python : mit 146 Abbildungen, 22 Tabellen und zahlreichen Beispielen |
| title_auth | Maschinelles Lernen Grundlagen und Algorithmen in Python : mit 146 Abbildungen, 22 Tabellen und zahlreichen Beispielen |
| title_exact_search | Maschinelles Lernen Grundlagen und Algorithmen in Python : mit 146 Abbildungen, 22 Tabellen und zahlreichen Beispielen |
| title_full | Maschinelles Lernen Grundlagen und Algorithmen in Python : mit 146 Abbildungen, 22 Tabellen und zahlreichen Beispielen Jörg Frochte |
| title_fullStr | Maschinelles Lernen Grundlagen und Algorithmen in Python : mit 146 Abbildungen, 22 Tabellen und zahlreichen Beispielen Jörg Frochte |
| title_full_unstemmed | Maschinelles Lernen Grundlagen und Algorithmen in Python : mit 146 Abbildungen, 22 Tabellen und zahlreichen Beispielen Jörg Frochte |
| title_short | Maschinelles Lernen |
| title_sort | maschinelles lernen grundlagen und algorithmen in python mit 146 abbildungen 22 tabellen und zahlreichen beispielen |
| title_sub | Grundlagen und Algorithmen in Python : mit 146 Abbildungen, 22 Tabellen und zahlreichen Beispielen |
| topic | Programmbibliothek (DE-588)4121521-7 gnd Maschinelles Lernen (DE-588)4193754-5 gnd Python 3.0 (DE-588)7624871-9 gnd Data Mining (DE-588)4428654-5 gnd Neuronales Netz (DE-588)4226127-2 gnd |
| topic_facet | Programmbibliothek Maschinelles Lernen Python 3.0 Data Mining Neuronales Netz Lehrbuch |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030782054&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT frochtejorg maschinelleslernengrundlagenundalgorithmeninpythonmit146abbildungen22tabellenundzahlreichenbeispielen |
Inhaltsverzeichnis
THWS Schweinfurt Zentralbibliothek Lesesaal
| Signatur: |
2000 ST 302 B817(2) |
|---|---|
| Exemplar 1 | ausleihbar Checked out – Rückgabe bis: 19.02.2025 Vormerken |