Big data analytics: Innovationsmanagement mit der Hilfe von maschinellem Lernen, Strategieentwicklung im Handel, linguistische Analysen für Produktrezensionen oder compliance, Verbesserung des Weinanbaus mit deep learning, Vorhersage Ersatzteilbedarf sowie predictive maintenance, smart factory dank image mining, big data analytics im Bahnverkehr, Plattformen für self-service data mining, big public data als Instrument der Politologen
Saved in:
| Other Authors: | , |
|---|---|
| Format: | Book |
| Language: | German |
| Published: |
Wiesbaden
Springer Vieweg
[2019]
|
| Series: | HMD
Heft 329 = Band 56, Heft 5 (Oktober 2019) |
| Subjects: | |
| Item Description: | Literaturangaben |
| Physical Description: | Seiten 879-1089 Illustrationen, Diagramme, Karten 24 cm |
Staff View
MARC
| LEADER | 00000nam a2200000 cb4500 | ||
|---|---|---|---|
| 001 | BV046217036 | ||
| 003 | DE-604 | ||
| 005 | 20200302 | ||
| 007 | t | ||
| 008 | 191025s2019 gw a||| |||| 00||| ger d | ||
| 035 | |a (OCoLC)1125188320 | ||
| 035 | |a (DE-599)BVBBV046217036 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c XA-DE | ||
| 049 | |a DE-210 |a DE-M347 |a DE-355 |a DE-858 |a DE-573 |a DE-898 |a DE-384 |a DE-860 |a DE-521 |a DE-N2 | ||
| 084 | |a ST 530 |0 (DE-625)143679: |2 rvk | ||
| 084 | |a QH 500 |0 (DE-625)141607: |2 rvk | ||
| 084 | |a QP 345 |0 (DE-625)141866: |2 rvk | ||
| 084 | |a QA 10000 |0 (DE-625)141204: |2 rvk | ||
| 130 | 0 | |a Big data analytics (Aufsatzsammlung, 2019) | |
| 245 | 1 | 0 | |a Big data analytics |b Innovationsmanagement mit der Hilfe von maschinellem Lernen, Strategieentwicklung im Handel, linguistische Analysen für Produktrezensionen oder compliance, Verbesserung des Weinanbaus mit deep learning, Vorhersage Ersatzteilbedarf sowie predictive maintenance, smart factory dank image mining, big data analytics im Bahnverkehr, Plattformen für self-service data mining, big public data als Instrument der Politologen |c Sara D'Onofrio, Andreas Meier (Hrsg.) |
| 264 | 1 | |a Wiesbaden |b Springer Vieweg |c [2019] | |
| 264 | 4 | |c © 2019 | |
| 300 | |a Seiten 879-1089 |b Illustrationen, Diagramme, Karten |c 24 cm | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 490 | 1 | |a HMD |v Heft 329 = Band 56, Heft 5 (Oktober 2019) | |
| 500 | |a Literaturangaben | ||
| 546 | |a Beiträge deutsch, Zusammenfassungen in deutscher und englischer Sprache | ||
| 650 | 0 | 7 | |a Big Data |0 (DE-588)4802620-7 |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 |
| 655 | 7 | |0 (DE-588)4143413-4 |a Aufsatzsammlung |2 gnd-content | |
| 689 | 0 | 0 | |a Big Data |0 (DE-588)4802620-7 |D s |
| 689 | 0 | 1 | |a Datenanalyse |0 (DE-588)4123037-1 |D s |
| 689 | 0 | |5 DE-604 | |
| 689 | 1 | 0 | |a Data Mining |0 (DE-588)4428654-5 |D s |
| 689 | 1 | |5 DE-604 | |
| 700 | 1 | |a D'Onofrio, Sara |d 1989- |0 (DE-588)1138815101 |4 edt | |
| 700 | 1 | |a Meier, Andreas |d 1951- |0 (DE-588)115753613 |4 edt | |
| 830 | 0 | |a HMD |v Heft 329 = Band 56, Heft 5 (Oktober 2019) |w (DE-604)BV002601745 |9 329 | |
| 999 | |a oai:aleph.bib-bvb.de:BVB01-031595787 | ||
Record in the Search Index
| _version_ | 1804180615146242048 |
|---|---|
| any_adam_object | |
| author2 | D'Onofrio, Sara 1989- Meier, Andreas 1951- |
| author2_role | edt edt |
| author2_variant | s d sd a m am |
| author_GND | (DE-588)1138815101 (DE-588)115753613 |
| author_facet | D'Onofrio, Sara 1989- Meier, Andreas 1951- |
| building | Verbundindex |
| bvnumber | BV046217036 |
| classification_rvk | ST 530 QH 500 QP 345 QA 10000 |
| ctrlnum | (OCoLC)1125188320 (DE-599)BVBBV046217036 |
| discipline | Informatik Wirtschaftswissenschaften |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>02284nam a2200493 cb4500</leader><controlfield tag="001">BV046217036</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20200302 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">191025s2019 gw a||| |||| 00||| ger d</controlfield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1125188320</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV046217036</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</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-210</subfield><subfield code="a">DE-M347</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-858</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-898</subfield><subfield code="a">DE-384</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-521</subfield><subfield code="a">DE-N2</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">QH 500</subfield><subfield code="0">(DE-625)141607:</subfield><subfield code="2">rvk</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">QA 10000</subfield><subfield code="0">(DE-625)141204:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="130" ind1="0" ind2=" "><subfield code="a">Big data analytics (Aufsatzsammlung, 2019)</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Big data analytics</subfield><subfield code="b">Innovationsmanagement mit der Hilfe von maschinellem Lernen, Strategieentwicklung im Handel, linguistische Analysen für Produktrezensionen oder compliance, Verbesserung des Weinanbaus mit deep learning, Vorhersage Ersatzteilbedarf sowie predictive maintenance, smart factory dank image mining, big data analytics im Bahnverkehr, Plattformen für self-service data mining, big public data als Instrument der Politologen</subfield><subfield code="c">Sara D'Onofrio, Andreas Meier (Hrsg.)</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Wiesbaden</subfield><subfield code="b">Springer Vieweg</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">Seiten 879-1089</subfield><subfield code="b">Illustrationen, Diagramme, Karten</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="490" ind1="1" ind2=" "><subfield code="a">HMD</subfield><subfield code="v">Heft 329 = Band 56, Heft 5 (Oktober 2019)</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Literaturangaben</subfield></datafield><datafield tag="546" ind1=" " ind2=" "><subfield code="a">Beiträge deutsch, Zusammenfassungen in deutscher und englischer Sprache</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">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="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4143413-4</subfield><subfield code="a">Aufsatzsammlung</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><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="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=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" 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="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">D'Onofrio, Sara</subfield><subfield code="d">1989-</subfield><subfield code="0">(DE-588)1138815101</subfield><subfield code="4">edt</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Meier, Andreas</subfield><subfield code="d">1951-</subfield><subfield code="0">(DE-588)115753613</subfield><subfield code="4">edt</subfield></datafield><datafield tag="830" ind1=" " ind2="0"><subfield code="a">HMD</subfield><subfield code="v">Heft 329 = Band 56, Heft 5 (Oktober 2019)</subfield><subfield code="w">(DE-604)BV002601745</subfield><subfield code="9">329</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-031595787</subfield></datafield></record></collection> |
| genre | (DE-588)4143413-4 Aufsatzsammlung gnd-content |
| genre_facet | Aufsatzsammlung |
| id | DE-604.BV046217036 |
| illustrated | Illustrated |
| indexdate | 2024-07-10T08:38:34Z |
| institution | BVB |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-031595787 |
| oclc_num | 1125188320 |
| open_access_boolean | |
| owner | DE-210 DE-M347 DE-355 DE-BY-UBR DE-858 DE-573 DE-898 DE-BY-UBR DE-384 DE-860 DE-521 DE-N2 |
| owner_facet | DE-210 DE-M347 DE-355 DE-BY-UBR DE-858 DE-573 DE-898 DE-BY-UBR DE-384 DE-860 DE-521 DE-N2 |
| physical | Seiten 879-1089 Illustrationen, Diagramme, Karten 24 cm |
| publishDate | 2019 |
| publishDateSearch | 2019 |
| publishDateSort | 2019 |
| publisher | Springer Vieweg |
| record_format | marc |
| series | HMD |
| series2 | HMD |
| spelling | Big data analytics (Aufsatzsammlung, 2019) Big data analytics Innovationsmanagement mit der Hilfe von maschinellem Lernen, Strategieentwicklung im Handel, linguistische Analysen für Produktrezensionen oder compliance, Verbesserung des Weinanbaus mit deep learning, Vorhersage Ersatzteilbedarf sowie predictive maintenance, smart factory dank image mining, big data analytics im Bahnverkehr, Plattformen für self-service data mining, big public data als Instrument der Politologen Sara D'Onofrio, Andreas Meier (Hrsg.) Wiesbaden Springer Vieweg [2019] © 2019 Seiten 879-1089 Illustrationen, Diagramme, Karten 24 cm txt rdacontent n rdamedia nc rdacarrier HMD Heft 329 = Band 56, Heft 5 (Oktober 2019) Literaturangaben Beiträge deutsch, Zusammenfassungen in deutscher und englischer Sprache Big Data (DE-588)4802620-7 gnd rswk-swf Datenanalyse (DE-588)4123037-1 gnd rswk-swf Data Mining (DE-588)4428654-5 gnd rswk-swf (DE-588)4143413-4 Aufsatzsammlung gnd-content Big Data (DE-588)4802620-7 s Datenanalyse (DE-588)4123037-1 s DE-604 Data Mining (DE-588)4428654-5 s D'Onofrio, Sara 1989- (DE-588)1138815101 edt Meier, Andreas 1951- (DE-588)115753613 edt HMD Heft 329 = Band 56, Heft 5 (Oktober 2019) (DE-604)BV002601745 329 |
| spellingShingle | Big data analytics Innovationsmanagement mit der Hilfe von maschinellem Lernen, Strategieentwicklung im Handel, linguistische Analysen für Produktrezensionen oder compliance, Verbesserung des Weinanbaus mit deep learning, Vorhersage Ersatzteilbedarf sowie predictive maintenance, smart factory dank image mining, big data analytics im Bahnverkehr, Plattformen für self-service data mining, big public data als Instrument der Politologen HMD Big Data (DE-588)4802620-7 gnd Datenanalyse (DE-588)4123037-1 gnd Data Mining (DE-588)4428654-5 gnd |
| subject_GND | (DE-588)4802620-7 (DE-588)4123037-1 (DE-588)4428654-5 (DE-588)4143413-4 |
| title | Big data analytics Innovationsmanagement mit der Hilfe von maschinellem Lernen, Strategieentwicklung im Handel, linguistische Analysen für Produktrezensionen oder compliance, Verbesserung des Weinanbaus mit deep learning, Vorhersage Ersatzteilbedarf sowie predictive maintenance, smart factory dank image mining, big data analytics im Bahnverkehr, Plattformen für self-service data mining, big public data als Instrument der Politologen |
| title_alt | Big data analytics (Aufsatzsammlung, 2019) |
| title_auth | Big data analytics Innovationsmanagement mit der Hilfe von maschinellem Lernen, Strategieentwicklung im Handel, linguistische Analysen für Produktrezensionen oder compliance, Verbesserung des Weinanbaus mit deep learning, Vorhersage Ersatzteilbedarf sowie predictive maintenance, smart factory dank image mining, big data analytics im Bahnverkehr, Plattformen für self-service data mining, big public data als Instrument der Politologen |
| title_exact_search | Big data analytics Innovationsmanagement mit der Hilfe von maschinellem Lernen, Strategieentwicklung im Handel, linguistische Analysen für Produktrezensionen oder compliance, Verbesserung des Weinanbaus mit deep learning, Vorhersage Ersatzteilbedarf sowie predictive maintenance, smart factory dank image mining, big data analytics im Bahnverkehr, Plattformen für self-service data mining, big public data als Instrument der Politologen |
| title_full | Big data analytics Innovationsmanagement mit der Hilfe von maschinellem Lernen, Strategieentwicklung im Handel, linguistische Analysen für Produktrezensionen oder compliance, Verbesserung des Weinanbaus mit deep learning, Vorhersage Ersatzteilbedarf sowie predictive maintenance, smart factory dank image mining, big data analytics im Bahnverkehr, Plattformen für self-service data mining, big public data als Instrument der Politologen Sara D'Onofrio, Andreas Meier (Hrsg.) |
| title_fullStr | Big data analytics Innovationsmanagement mit der Hilfe von maschinellem Lernen, Strategieentwicklung im Handel, linguistische Analysen für Produktrezensionen oder compliance, Verbesserung des Weinanbaus mit deep learning, Vorhersage Ersatzteilbedarf sowie predictive maintenance, smart factory dank image mining, big data analytics im Bahnverkehr, Plattformen für self-service data mining, big public data als Instrument der Politologen Sara D'Onofrio, Andreas Meier (Hrsg.) |
| title_full_unstemmed | Big data analytics Innovationsmanagement mit der Hilfe von maschinellem Lernen, Strategieentwicklung im Handel, linguistische Analysen für Produktrezensionen oder compliance, Verbesserung des Weinanbaus mit deep learning, Vorhersage Ersatzteilbedarf sowie predictive maintenance, smart factory dank image mining, big data analytics im Bahnverkehr, Plattformen für self-service data mining, big public data als Instrument der Politologen Sara D'Onofrio, Andreas Meier (Hrsg.) |
| title_short | Big data analytics |
| title_sort | big data analytics innovationsmanagement mit der hilfe von maschinellem lernen strategieentwicklung im handel linguistische analysen fur produktrezensionen oder compliance verbesserung des weinanbaus mit deep learning vorhersage ersatzteilbedarf sowie predictive maintenance smart factory dank image mining big data analytics im bahnverkehr plattformen fur self service data mining big public data als instrument der politologen |
| title_sub | Innovationsmanagement mit der Hilfe von maschinellem Lernen, Strategieentwicklung im Handel, linguistische Analysen für Produktrezensionen oder compliance, Verbesserung des Weinanbaus mit deep learning, Vorhersage Ersatzteilbedarf sowie predictive maintenance, smart factory dank image mining, big data analytics im Bahnverkehr, Plattformen für self-service data mining, big public data als Instrument der Politologen |
| topic | Big Data (DE-588)4802620-7 gnd Datenanalyse (DE-588)4123037-1 gnd Data Mining (DE-588)4428654-5 gnd |
| topic_facet | Big Data Datenanalyse Data Mining Aufsatzsammlung |
| volume_link | (DE-604)BV002601745 |
| work_keys_str_mv | UT bigdataanalyticsaufsatzsammlung2019 AT donofriosara bigdataanalyticsinnovationsmanagementmitderhilfevonmaschinellemlernenstrategieentwicklungimhandellinguistischeanalysenfurproduktrezensionenodercomplianceverbesserungdesweinanbausmitdeeplearningvorhersageersatzteilbedarfsowiepredictivemaintenancesmartfacto AT meierandreas bigdataanalyticsinnovationsmanagementmitderhilfevonmaschinellemlernenstrategieentwicklungimhandellinguistischeanalysenfurproduktrezensionenodercomplianceverbesserungdesweinanbausmitdeeplearningvorhersageersatzteilbedarfsowiepredictivemaintenancesmartfacto |