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
Gespeichert in:
| Weitere Verfasser: | , |
|---|---|
| Format: | Elektronisch E-Book |
| Sprache: | German |
| Veröffentlicht: |
Wiesbaden
Springer Vieweg, Springer Fachmedien Wiesbaden GmbH
[2019]
|
| Schriftenreihe: | HMD
Heft 329 = Band 56, Heft 5 (Oktober 2019) |
| Schlagworte: | |
| Online-Zugang: | FHN01 FLA01 Volltext |
| Beschreibung: | Literaturangaben |
| Beschreibung: | 1 Online-Ressource (Seite 879-1089) Illustrationen, Diagramme, Karten |
Internformat
MARC
| LEADER | 00000nmm a2200000 cb4500 | ||
|---|---|---|---|
| 001 | BV046253214 | ||
| 003 | DE-604 | ||
| 005 | 20200820 | ||
| 007 | cr|uuu---uuuuu | ||
| 008 | 191113s2019 gw |||| o||u| ||||||ger d | ||
| 035 | |a (OCoLC)1128843062 | ||
| 035 | |a (DE-599)BVBBV046253214 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c XA-DE | ||
| 049 | |a DE-860 |a DE-92 |a DE-20 |a DE-473 |a DE-384 | ||
| 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, Springer Fachmedien Wiesbaden GmbH |c [2019] | |
| 264 | 4 | |c © 2019 | |
| 300 | |a 1 Online-Ressource (Seite 879-1089) |b Illustrationen, Diagramme, Karten | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b c |2 rdamedia | ||
| 338 | |b cr |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 | |
| 776 | 0 | 8 | |i Erscheint auch als |n Druck-Ausgabe |
| 830 | 0 | |a HMD |v Heft 329 = Band 56, Heft 5 (Oktober 2019) |w (DE-604)BV017144571 |9 329 | |
| 856 | 4 | 0 | |u https://link.springer.com/journal/40702/56/5 |z URL des Erstveröffentlichers |3 Volltext |
| 912 | |a ebook | ||
| 999 | |a oai:aleph.bib-bvb.de:BVB01-031631387 | ||
| 966 | e | |u https://link.springer.com/journal/40702/56/5 |l FHN01 |p ebook |x Verlag |3 Volltext | |
| 966 | e | |u https://link.springer.com/journal/40702/56/5 |l FLA01 |p ebook |x Verlag |3 Volltext | |
Datensatz im Suchindex
| _version_ | 1804180681595551744 |
|---|---|
| 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 | BV046253214 |
| classification_rvk | ST 530 QH 500 QP 345 QA 10000 |
| collection | ebook |
| ctrlnum | (OCoLC)1128843062 (DE-599)BVBBV046253214 |
| discipline | Informatik Wirtschaftswissenschaften |
| format | Electronic eBook |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>02664nmm a2200553 cb4500</leader><controlfield tag="001">BV046253214</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20200820 </controlfield><controlfield tag="007">cr|uuu---uuuuu</controlfield><controlfield tag="008">191113s2019 gw |||| o||u| ||||||ger d</controlfield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1128843062</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV046253214</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-860</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-473</subfield><subfield code="a">DE-384</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, Springer Fachmedien Wiesbaden GmbH</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">1 Online-Ressource (Seite 879-1089)</subfield><subfield code="b">Illustrationen, Diagramme, Karten</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">c</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">cr</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="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Druck-Ausgabe</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)BV017144571</subfield><subfield code="9">329</subfield></datafield><datafield tag="856" ind1="4" ind2="0"><subfield code="u">https://link.springer.com/journal/40702/56/5</subfield><subfield code="z">URL des Erstveröffentlichers</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ebook</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-031631387</subfield></datafield><datafield tag="966" ind1="e" ind2=" "><subfield code="u">https://link.springer.com/journal/40702/56/5</subfield><subfield code="l">FHN01</subfield><subfield code="p">ebook</subfield><subfield code="x">Verlag</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="966" ind1="e" ind2=" "><subfield code="u">https://link.springer.com/journal/40702/56/5</subfield><subfield code="l">FLA01</subfield><subfield code="p">ebook</subfield><subfield code="x">Verlag</subfield><subfield code="3">Volltext</subfield></datafield></record></collection> |
| genre | (DE-588)4143413-4 Aufsatzsammlung gnd-content |
| genre_facet | Aufsatzsammlung |
| id | DE-604.BV046253214 |
| illustrated | Not Illustrated |
| indexdate | 2024-07-10T08:39:38Z |
| institution | BVB |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-031631387 |
| oclc_num | 1128843062 |
| open_access_boolean | |
| owner | DE-860 DE-92 DE-20 DE-473 DE-BY-UBG DE-384 |
| owner_facet | DE-860 DE-92 DE-20 DE-473 DE-BY-UBG DE-384 |
| physical | 1 Online-Ressource (Seite 879-1089) Illustrationen, Diagramme, Karten |
| psigel | ebook |
| publishDate | 2019 |
| publishDateSearch | 2019 |
| publishDateSort | 2019 |
| publisher | Springer Vieweg, Springer Fachmedien Wiesbaden GmbH |
| 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, Springer Fachmedien Wiesbaden GmbH [2019] © 2019 1 Online-Ressource (Seite 879-1089) Illustrationen, Diagramme, Karten txt rdacontent c rdamedia cr 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 Erscheint auch als Druck-Ausgabe HMD Heft 329 = Band 56, Heft 5 (Oktober 2019) (DE-604)BV017144571 329 https://link.springer.com/journal/40702/56/5 URL des Erstveröffentlichers Volltext |
| 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 |
| url | https://link.springer.com/journal/40702/56/5 |
| volume_link | (DE-604)BV017144571 |
| work_keys_str_mv | UT bigdataanalyticsaufsatzsammlung2019 AT donofriosara bigdataanalyticsinnovationsmanagementmitderhilfevonmaschinellemlernenstrategieentwicklungimhandellinguistischeanalysenfurproduktrezensionenodercomplianceverbesserungdesweinanbausmitdeeplearningvorhersageersatzteilbedarfsowiepredictivemaintenancesmartfacto AT meierandreas bigdataanalyticsinnovationsmanagementmitderhilfevonmaschinellemlernenstrategieentwicklungimhandellinguistischeanalysenfurproduktrezensionenodercomplianceverbesserungdesweinanbausmitdeeplearningvorhersageersatzteilbedarfsowiepredictivemaintenancesmartfacto |