Verfügbarkeit: Machine Learning - die Referenz

Machine Learning - die Referenz: mit strukturierten Daten in Python arbeiten

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Harrison, Matt 1975- (VerfasserIn)
Weitere Verfasser:	Lotze, Thomas (ÜbersetzerIn)
Format:	Buch
Sprache:	German English
Veröffentlicht:	Heidelberg O'Reilly [2021]
Ausgabe:	1. Auflage, deutsche Ausgabe
Schlagworte:	Maschinelles Lernen Strukturierte Daten Datenanalyse Python > Programmiersprache Data Science Algorithmen KI AI Artificial Intelligence Künstliche Intelligenz Statistische Datenanalyse Supervised Learning überwachtes Lernen Neural Networks Scikit-learn Pandas NumPy
Online-Zugang:	Inhaltstext Inhaltsverzeichnis
Beschreibung:	"Deutsche Ausgabe" auf dem Cover
Beschreibung:	XI, 231 Seiten Illustrationen, Diagramme
ISBN:	9783960091356

Internformat

MARC


LEADER	00000nam a22000008c 4500
001	BV046785525
003	DE-604
005	20230915
007	t
008	200630s2021 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 20,N10 \|2 dnb
016	7		\|a 1205622055 \|2 DE-101
020			\|a 9783960091356 \|c pbk \|9 978-3-96009-135-6
035			\|a (OCoLC)1220881695
035			\|a (DE-599)DNB1205622055
040			\|a DE-604 \|b ger \|e rda
041	1		\|a ger \|h eng
044			\|a gw \|c XA-DE-BW
049			\|a DE-703 \|a DE-706 \|a DE-898 \|a DE-860 \|a DE-1050 \|a DE-634 \|a DE-29T \|a DE-B768 \|a DE-355 \|a DE-20 \|a DE-739 \|a DE-92 \|a DE-859 \|a DE-Aug4 \|a DE-11 \|a DE-19 \|a DE-573 \|a DE-1102 \|a DE-862
084			\|a ST 300 \|0 (DE-625)143650: \|2 rvk
084			\|a ST 250 \|0 (DE-625)143626: \|2 rvk
084			\|a ST 302 \|0 (DE-625)143652: \|2 rvk
084			\|a 004 \|2 sdnb
100	1		\|a Harrison, Matt \|d 1975- \|e Verfasser \|0 (DE-588)1139797484 \|4 aut
240	1	0	\|a Machine learning pocket reference
245	1	0	\|a Machine Learning - die Referenz \|b mit strukturierten Daten in Python arbeiten \|c Matt Harrison ; deutsche Übersetzung von Thomas Lotze
250			\|a 1. Auflage, deutsche Ausgabe
264		1	\|a Heidelberg \|b O'Reilly \|c [2021]
264		4	\|c © 2021
300			\|a XI, 231 Seiten \|b Illustrationen, Diagramme
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
500			\|a "Deutsche Ausgabe" auf dem Cover
650	0	7	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Strukturierte Daten \|0 (DE-588)4620514-7 \|2 gnd \|9 rswk-swf
650	0	7	\|a Datenanalyse \|0 (DE-588)4123037-1 \|2 gnd \|9 rswk-swf
650	0	7	\|a Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|2 gnd \|9 rswk-swf
653			\|a Data Science
653			\|a Algorithmen
653			\|a KI
653			\|a AI
653			\|a Artificial Intelligence
653			\|a Künstliche Intelligenz
653			\|a Statistische Datenanalyse
653			\|a Maschinelles Lernen
653			\|a Supervised Learning
653			\|a überwachtes Lernen
653			\|a Neural Networks
653			\|a Scikit-learn
653			\|a Pandas
653			\|a NumPy
689	0	0	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|D s
689	0	1	\|a Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|D s
689	0		\|5 DE-604
689	1	0	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|D s
689	1	1	\|a Strukturierte Daten \|0 (DE-588)4620514-7 \|D s
689	1	2	\|a Datenanalyse \|0 (DE-588)4123037-1 \|D s
689	1	3	\|a Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|D s
689	1		\|5 DE-604
700	1		\|a Lotze, Thomas \|0 (DE-588)138035350 \|4 trl
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, PDF \|z 978-3-96010-408-7
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, EPUB \|z 978-3-96010-409-4
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, MOBI \|z 978-3-96010-410-0
856	4	2	\|m X:MVB \|q text/html \|u http://deposit.dnb.de/cgi-bin/dokserv?id=c8296a40e3eb4cdab8755081fc789c30&prov=M&dok_var=1&dok_ext=htm \|3 Inhaltstext
856	4	2	\|m DNB Datenaustausch \|q application/pdf \|u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032194590&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
999			\|a oai:aleph.bib-bvb.de:BVB01-032194590

Datensatz im Suchindex

DE-BY-862_location	2000
DE-BY-FWS_call_number	2000/ST 302 H318
DE-BY-FWS_katkey	1049457
DE-BY-FWS_media_number	083000525118
_version_	1806177175434428416
adam_text	INHALT VORWORT .......................................................................................... IX 1 EINLEITUNG .................................................................................. 1 VERWENDETE BIBLIOTHEKEN ........................................................................... 1 INSTALLATION MIT PIP ................................................................................... 4 INSTALLATION MIT CONDA ............................................................................... 5 2 DER VORGANG DES MASCHINELLEN LERNENS: UEBERBLICK ................................ 7 3 KLASSIFIKATION SCHRITT FUER SCHRITT: DER TITANIC-DATENSATZ ........................... 9 VORSCHLAG FUER DAS PROJEKTLAYOUT ................................................................ 9 IMPORTE ...................................................................................................... 9 EINE FRAGE STELLEN ....................................................................................... 10 BEGRIFFE UND BEZEICHNUNGEN FUER DIE DATEN .............................................. 10 DATEN SAMMELN ......................................................................................... 12 DATEN SAEUBERN ........................................................................................... 12 MERKMALE GEWINNEN ................................................................................. 18 STICHPROBEN VON DATEN NEHMEN .............................................................. 20 DATEN AUFFUELLEN ......................................................................................... 20 DATEN NORMALISIEREN ................................................................................. 21 REFAKTORIEREN ............................................................................................. 21 VERGLEICHSMODELL ....................................................................................... 22 VERSCHIEDENE ALGORITHMENFAMILIEN .......................................................... 23 STACKING ...................................................................................................... 24 EIN MODELL ERSTELLEN ................................................................................... 25 DAS MODELL AUSWERTEN ............................................................................... 25 DAS MODELL OPTIMIEREN ............................................................................. 26 WAHRHEITSMATRIX ............ F ........................................................................ 27 GRENZWERTOPTIMIERUNGSKURVE (ROC-KURVE) ............................................ 28 TRAININGSKURVE ........................................................................................... 29 DAS MODELL EINSETZEN ................................................................................. 30 I V 4 FEHLENDE DATEN ........................................................................... 31 FEHLENDE DATEN UNTERSUCHEN ................................................................... 31 FEHLENDE DATEN ENTFERNEN ......................................................................... 35 DATEN AUFFUELLEN .......................................................................................... 35 INDIKATORSPALTEN HINZUFUEGEN ..................................................................... 36 5 DATEN SAEUBERN ................................................... 37 SPALTENNAMEN ............................................................................................ 37 FEHLENDE WERTE ERSETZEN ........................................................................... 38 6 ERKUNDEN .................................................................................. 39 DATENMENGE .............................................................................................. 39 ZUSAMMENFASSENDE STATISTIKEN ................................................................. 39 HISTOGRAMM .............................................................................................. 40 STREUDIAGRAMM .......................................................................................... 41 KOMBIDIAGRAMM ........................................................................................ 42 PAARMATRIX .................................................................................................. 44 KASTEN- UND VIOLINENDIAGRAMME ............................................................ 45 VERGLEICH ZWEIER ORDINALWERTE ................................................................. 47 KORRELATION ................................................................................................ 48 RADVIZ ........................................................................................................ 52 PARALLELE KOORDINATEN ............................................................................... 53 7 DATEN VORVERARBEITEN ................................................................... 57 STANDARDISIEREN .......................................................................................... 57 DEN WERTEBEREICH SKALIEREN ..................................................................... 58 DUMMY-VARIABLEN ................................................................................... 59 MARKIERUNGEN CODIEREN ............................................................................. 60 HAEUFIGKEITSCODIERUNG ............................................................................... 61 KATEGORIEN AUS TEXT GEWINNEN ................................................................. 61 WEITERE KATEGORIALE CODIERUNGEN ............................................................ 62 DATUMSMERKMALE KONSTRUIEREN ............................................................... 64 EIN MERKMAL COL_NA HINZUFUEGEN .............................................................. 65 MANUELLE MERKMALSKONSTRUKTION ............................................................ 65 8 MERKMALSAUSWAHL ........................................................................ 67 KOLLINEARE SPALTEN ..................................................................................... 67 LASSO-REGRESSION ...................................................................................... 70 REKURSIVER AUSSCHLUSS VON MERKMALEN .................................................. 71 WECHSELSEITIGE AUSSAGEKRAFT ..................................................................... 72 HAUPTKOMPONENTENVERFAHREN ................................................................. 74 MERKMALSGEWICHTUNG ............................................................................... 74 VI \| INHALT 9 UNAUSGEGLICHENE KLASSEN ............................................................... 75 EINE ANDERE METRIK ANWENDEN ................................................................... 75 BAUMALGORITHMEN UND ENSEMBLES ............................................................ 75 MODELLE MIT STRAFPUNKTEN ......................................................................... 75 MINDERHEITEN ERWEITERN ............................................................................. 76 MINDERHEITSDATEN ERZEUGEN ....................................................................... 77 MEHRHEITEN VERKLEINERN ............................................................................. 77 ERWEITERN UND DANACH VERKLEINERN ............................................................ 78 10 KLASSIFIKATION .............................................................................. 79 LOGISTISCHE REGRESSION ............................................................................... 80 N AIVER BAYES-KLASSIFIKATOR ......................................................................... 83 SUPPORTVEKTORMASCHINE ............................................................................. 85 K-NAECHSTE NACHBARN ................................................................................. 88 ENTSCHEIDUNGSBAUM ................................................................................. 89 RANDOM-FOREST .......................................................................................... 95 XGBOOST .................................................................................................... 99 GRADIENTENVERSTAERKUNG MIT LIGHTGBM .................................................... 107 TPOT .......................................................................................................... 111 11 MODELLAUSWAHL ........................................................................... 115 VALIDIERUNGSKURVE ..................................................................................... 115 LERNKURVE .................................................................................................... 116 12 METRIKEN UND BEURTEILUNG DER KLASSIFIKATION ....................................... 119 WAHRHEITSMATRIX ....................................................................................... 119 METRIKEN .................................................................................................... 122 VERTRAUENS WAHRSCHEINLICHKEIT .................................................................. 122 T REFFERQUOTE ................................................................................................ 123 GENAUIGKEIT ................................................................................................ 123 FL (F-MASS) .................................................................................................. 123 KLASSIFIKATIONSTAFEL ..................................................................................... 124 ROC-KURVE (GRENZWERTOPTIMIERUNGSKURVE) ............................................ 124 KURVE DER GENAUIGKEIT UEBER DER TREFFERQUOTE .......................................... 125 KUMULATIVES GAIN-DIAGRAMM .................................................................. 126 LIFT-KURVE.................................................................................................... 128 AUSGEGLICHENHEIT DER KLASSEN .................................................................. 129 KLASSENVORHERSAGEFEHLER ........................................................................... 130 ANSPRECHSCHWELLE ..................................................................................... 131 13 INTERPRETATION VON MODELLEN ........................................ 133 REGRESSIONSKOEFFIZIENTEN ........................................................................... 133 MERKMALSGEWICHTUNG ............................................................................... 133 INHALT \| VII LIME .......................................................................................................... 133 INTERPRETATION VON BAEUMEN ....................................................................... 135 PARTIELLE ABHAENGIGKEITSDIAGRAMME .......................................................... 136 STELLVERTRETERMODELLE ................................................................................. 139 SHAPLEY ...................................................................................................... 139 14 REGRESSION ................................................................................ 145 VERGLEICHSMODELL ........................................................................................ 147 LINEARE REGRESSION ................................................................................... 147 SUPPORTVEKTORMASCHINEN (SVM) ............................................................. 150 K-NAECHSTE NACHBARN ................................................................................. 152 ENTSCHEIDUNGSBAUM ................................................................................. 153 RANDOM-FOREST .......................................................................................... 158 XGBOOST-REGRESSION ................................................................................. 161 REGRESSION MIT LIGHTGBM ....................................................................... 167 15 METRIKEN UND BEWERTUNG DER REGRESSION .......................................... 171 METRIKEN .................................................................................................... 171 RESIDUENDIAGRAMM ................................................................................... 173 VARIANZHETEROGENITAET ................................................................................. 174 NORMALVERTEILTE RESIDUEN ......................................................................... 174 DIAGRAMM DES VORHERSAGEFEHLERS ............................................................ 176 16 INTERPRETATION VON REGRESSIONSMODELLEN ........................................... 177 SHAPLEY ...................................................................................................... 177 17 DIMENSIONSREDUKTION ................................................................... 183 HAUPTKOMPONENTENVERFAHREN (PCA) ...................................................... 183 UMAP ........................................................................................................ 197 T-SNE .......................................................................................................... 202 PHATE ...................................................................................................... 205 18 CLUSTERN .................................................................................... 209 K-MEANS-ALGORITHMUS ............................................................................... 209 AGGLOMERATIVES (HIERARCHISCHES) CLUSTERN ................................................ 214 CLUSTER VERSTEHEN ..................................................................................... 216 19 PIPELINES .................................................................................... 221 KLASSIFIKATIONSPIPELINE ............................................................................. 221 REGRESSIONSPIPELINE ................................................................................... 223 PIPELINE FUER DAS HAUPTKOMPONENTENVERFAHREN ........................................ 224 INDEX .............................................................................................. 225 VIII \| INHALT
adam_txt	INHALT VORWORT . IX 1 EINLEITUNG . 1 VERWENDETE BIBLIOTHEKEN . 1 INSTALLATION MIT PIP . 4 INSTALLATION MIT CONDA . 5 2 DER VORGANG DES MASCHINELLEN LERNENS: UEBERBLICK . 7 3 KLASSIFIKATION SCHRITT FUER SCHRITT: DER TITANIC-DATENSATZ . 9 VORSCHLAG FUER DAS PROJEKTLAYOUT . 9 IMPORTE . 9 EINE FRAGE STELLEN . 10 BEGRIFFE UND BEZEICHNUNGEN FUER DIE DATEN . 10 DATEN SAMMELN . 12 DATEN SAEUBERN . 12 MERKMALE GEWINNEN . 18 STICHPROBEN VON DATEN NEHMEN . 20 DATEN AUFFUELLEN . 20 DATEN NORMALISIEREN . 21 REFAKTORIEREN . 21 VERGLEICHSMODELL . 22 VERSCHIEDENE ALGORITHMENFAMILIEN . 23 STACKING . 24 EIN MODELL ERSTELLEN . 25 DAS MODELL AUSWERTEN . 25 DAS MODELL OPTIMIEREN . 26 WAHRHEITSMATRIX . F . 27 GRENZWERTOPTIMIERUNGSKURVE (ROC-KURVE) . 28 TRAININGSKURVE . 29 DAS MODELL EINSETZEN . 30 I V 4 FEHLENDE DATEN . 31 FEHLENDE DATEN UNTERSUCHEN . 31 FEHLENDE DATEN ENTFERNEN . 35 DATEN AUFFUELLEN . 35 INDIKATORSPALTEN HINZUFUEGEN . 36 5 DATEN SAEUBERN . 37 SPALTENNAMEN . 37 FEHLENDE WERTE ERSETZEN . 38 6 ERKUNDEN . 39 DATENMENGE . 39 ZUSAMMENFASSENDE STATISTIKEN . 39 HISTOGRAMM . 40 STREUDIAGRAMM . 41 KOMBIDIAGRAMM . 42 PAARMATRIX . 44 KASTEN- UND VIOLINENDIAGRAMME . 45 VERGLEICH ZWEIER ORDINALWERTE . 47 KORRELATION . 48 RADVIZ . 52 PARALLELE KOORDINATEN . 53 7 DATEN VORVERARBEITEN . 57 STANDARDISIEREN . 57 DEN WERTEBEREICH SKALIEREN . 58 DUMMY-VARIABLEN . 59 MARKIERUNGEN CODIEREN . 60 HAEUFIGKEITSCODIERUNG . 61 KATEGORIEN AUS TEXT GEWINNEN . 61 WEITERE KATEGORIALE CODIERUNGEN . 62 DATUMSMERKMALE KONSTRUIEREN . 64 EIN MERKMAL COL_NA HINZUFUEGEN . 65 MANUELLE MERKMALSKONSTRUKTION . 65 8 MERKMALSAUSWAHL . 67 KOLLINEARE SPALTEN . 67 LASSO-REGRESSION . 70 REKURSIVER AUSSCHLUSS VON MERKMALEN . 71 WECHSELSEITIGE AUSSAGEKRAFT . 72 HAUPTKOMPONENTENVERFAHREN . 74 MERKMALSGEWICHTUNG . 74 VI \| INHALT 9 UNAUSGEGLICHENE KLASSEN . 75 EINE ANDERE METRIK ANWENDEN . 75 BAUMALGORITHMEN UND ENSEMBLES . 75 MODELLE MIT STRAFPUNKTEN . 75 MINDERHEITEN ERWEITERN . 76 MINDERHEITSDATEN ERZEUGEN . 77 MEHRHEITEN VERKLEINERN . 77 ERWEITERN UND DANACH VERKLEINERN . 78 10 KLASSIFIKATION . 79 LOGISTISCHE REGRESSION . 80 N AIVER BAYES-KLASSIFIKATOR . 83 SUPPORTVEKTORMASCHINE . 85 K-NAECHSTE NACHBARN . 88 ENTSCHEIDUNGSBAUM . 89 RANDOM-FOREST . 95 XGBOOST . 99 GRADIENTENVERSTAERKUNG MIT LIGHTGBM . 107 TPOT . 111 11 MODELLAUSWAHL . 115 VALIDIERUNGSKURVE . 115 LERNKURVE . 116 12 METRIKEN UND BEURTEILUNG DER KLASSIFIKATION . 119 WAHRHEITSMATRIX . 119 METRIKEN . 122 VERTRAUENS WAHRSCHEINLICHKEIT . 122 T REFFERQUOTE . 123 GENAUIGKEIT . 123 FL (F-MASS) . 123 KLASSIFIKATIONSTAFEL . 124 ROC-KURVE (GRENZWERTOPTIMIERUNGSKURVE) . 124 KURVE DER GENAUIGKEIT UEBER DER TREFFERQUOTE . 125 KUMULATIVES GAIN-DIAGRAMM . 126 LIFT-KURVE. 128 AUSGEGLICHENHEIT DER KLASSEN . 129 KLASSENVORHERSAGEFEHLER . 130 ANSPRECHSCHWELLE . 131 13 INTERPRETATION VON MODELLEN . 133 REGRESSIONSKOEFFIZIENTEN . 133 MERKMALSGEWICHTUNG . 133 INHALT \| VII LIME . 133 INTERPRETATION VON BAEUMEN . 135 PARTIELLE ABHAENGIGKEITSDIAGRAMME . 136 STELLVERTRETERMODELLE . 139 SHAPLEY . 139 14 REGRESSION . 145 VERGLEICHSMODELL . 147 LINEARE REGRESSION . 147 SUPPORTVEKTORMASCHINEN (SVM) . 150 K-NAECHSTE NACHBARN . 152 ENTSCHEIDUNGSBAUM . 153 RANDOM-FOREST . 158 XGBOOST-REGRESSION . 161 REGRESSION MIT LIGHTGBM . 167 15 METRIKEN UND BEWERTUNG DER REGRESSION . 171 METRIKEN . 171 RESIDUENDIAGRAMM . 173 VARIANZHETEROGENITAET . 174 NORMALVERTEILTE RESIDUEN . 174 DIAGRAMM DES VORHERSAGEFEHLERS . 176 16 INTERPRETATION VON REGRESSIONSMODELLEN . 177 SHAPLEY . 177 17 DIMENSIONSREDUKTION . 183 HAUPTKOMPONENTENVERFAHREN (PCA) . 183 UMAP . 197 T-SNE . 202 PHATE . 205 18 CLUSTERN . 209 K-MEANS-ALGORITHMUS . 209 AGGLOMERATIVES (HIERARCHISCHES) CLUSTERN . 214 CLUSTER VERSTEHEN . 216 19 PIPELINES . 221 KLASSIFIKATIONSPIPELINE . 221 REGRESSIONSPIPELINE . 223 PIPELINE FUER DAS HAUPTKOMPONENTENVERFAHREN . 224 INDEX . 225 VIII \| INHALT
any_adam_object	1
any_adam_object_boolean	1
author	Harrison, Matt 1975-
author2	Lotze, Thomas
author2_role	trl
author2_variant	t l tl
author_GND	(DE-588)1139797484 (DE-588)138035350
author_facet	Harrison, Matt 1975- Lotze, Thomas
author_role	aut
author_sort	Harrison, Matt 1975-
author_variant	m h mh
building	Verbundindex
bvnumber	BV046785525
classification_rvk	ST 300 ST 250 ST 302
ctrlnum	(OCoLC)1220881695 (DE-599)DNB1205622055
discipline	Informatik
discipline_str_mv	Informatik
edition	1. Auflage, deutsche Ausgabe
format	Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>03195nam a22007698c 4500</leader><controlfield tag="001">BV046785525</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20230915 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">200630s2021 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">20,N10</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1205622055</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783960091356</subfield><subfield code="c">pbk</subfield><subfield code="9">978-3-96009-135-6</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1220881695</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1205622055</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-703</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-898</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-1050</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-B768</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-739</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-19</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-862</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 250</subfield><subfield code="0">(DE-625)143626:</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">004</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Harrison, Matt</subfield><subfield code="d">1975-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1139797484</subfield><subfield code="4">aut</subfield></datafield><datafield tag="240" ind1="1" ind2="0"><subfield code="a">Machine learning pocket reference</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Machine Learning - die Referenz</subfield><subfield code="b">mit strukturierten Daten in Python arbeiten</subfield><subfield code="c">Matt Harrison ; deutsche Übersetzung von Thomas Lotze</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">1. Auflage, deutsche Ausgabe</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Heidelberg</subfield><subfield code="b">O'Reilly</subfield><subfield code="c">[2021]</subfield></datafield><datafield tag="264" ind1=" " ind2="4"><subfield code="c">© 2021</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XI, 231 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="500" ind1=" " ind2=" "><subfield code="a">"Deutsche Ausgabe" auf dem Cover</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">Strukturierte Daten</subfield><subfield code="0">(DE-588)4620514-7</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">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="653" ind1=" " ind2=" "><subfield code="a">Data Science</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Algorithmen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">KI</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">AI</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Artificial Intelligence</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Künstliche Intelligenz</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Statistische Datenanalyse</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Maschinelles Lernen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Supervised Learning</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">überwachtes Lernen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Neural Networks</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Scikit-learn</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Pandas</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">NumPy</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</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="689" ind1="1" 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="1" ind2="1"><subfield code="a">Strukturierte Daten</subfield><subfield code="0">(DE-588)4620514-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="2"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="3"><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=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Lotze, Thomas</subfield><subfield code="0">(DE-588)138035350</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">978-3-96010-408-7</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">978-3-96010-409-4</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">978-3-96010-410-0</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=c8296a40e3eb4cdab8755081fc789c30&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">DNB 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=032194590&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:BVB01-032194590</subfield></datafield></record></collection>
id	DE-604.BV046785525
illustrated	Illustrated
index_date	2024-07-03T14:51:18Z
indexdate	2024-08-01T11:33:02Z
institution	BVB
isbn	9783960091356
language	German English
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-032194590
oclc_num	1220881695
open_access_boolean
owner	DE-703 DE-706 DE-898 DE-BY-UBR DE-860 DE-1050 DE-634 DE-29T DE-B768 DE-355 DE-BY-UBR DE-20 DE-739 DE-92 DE-859 DE-Aug4 DE-11 DE-19 DE-BY-UBM DE-573 DE-1102 DE-862 DE-BY-FWS
owner_facet	DE-703 DE-706 DE-898 DE-BY-UBR DE-860 DE-1050 DE-634 DE-29T DE-B768 DE-355 DE-BY-UBR DE-20 DE-739 DE-92 DE-859 DE-Aug4 DE-11 DE-19 DE-BY-UBM DE-573 DE-1102 DE-862 DE-BY-FWS
physical	XI, 231 Seiten Illustrationen, Diagramme
publishDate	2021
publishDateSearch	2021
publishDateSort	2021
publisher	O'Reilly
record_format	marc
spellingShingle	Harrison, Matt 1975- Machine Learning - die Referenz mit strukturierten Daten in Python arbeiten Maschinelles Lernen (DE-588)4193754-5 gnd Strukturierte Daten (DE-588)4620514-7 gnd Datenanalyse (DE-588)4123037-1 gnd Python Programmiersprache (DE-588)4434275-5 gnd
subject_GND	(DE-588)4193754-5 (DE-588)4620514-7 (DE-588)4123037-1 (DE-588)4434275-5
title	Machine Learning - die Referenz mit strukturierten Daten in Python arbeiten
title_alt	Machine learning pocket reference
title_auth	Machine Learning - die Referenz mit strukturierten Daten in Python arbeiten
title_exact_search	Machine Learning - die Referenz mit strukturierten Daten in Python arbeiten
title_exact_search_txtP	Machine Learning - die Referenz mit strukturierten Daten in Python arbeiten
title_full	Machine Learning - die Referenz mit strukturierten Daten in Python arbeiten Matt Harrison ; deutsche Übersetzung von Thomas Lotze
title_fullStr	Machine Learning - die Referenz mit strukturierten Daten in Python arbeiten Matt Harrison ; deutsche Übersetzung von Thomas Lotze
title_full_unstemmed	Machine Learning - die Referenz mit strukturierten Daten in Python arbeiten Matt Harrison ; deutsche Übersetzung von Thomas Lotze
title_short	Machine Learning - die Referenz
title_sort	machine learning die referenz mit strukturierten daten in python arbeiten
title_sub	mit strukturierten Daten in Python arbeiten
topic	Maschinelles Lernen (DE-588)4193754-5 gnd Strukturierte Daten (DE-588)4620514-7 gnd Datenanalyse (DE-588)4123037-1 gnd Python Programmiersprache (DE-588)4434275-5 gnd
topic_facet	Maschinelles Lernen Strukturierte Daten Datenanalyse Python Programmiersprache
url	http://deposit.dnb.de/cgi-bin/dokserv?id=c8296a40e3eb4cdab8755081fc789c30&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=032194590&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT harrisonmatt machinelearningpocketreference AT lotzethomas machinelearningpocketreference AT harrisonmatt machinelearningdiereferenzmitstrukturiertendateninpythonarbeiten AT lotzethomas machinelearningdiereferenzmitstrukturiertendateninpythonarbeiten

Verfügbarkeit

Beschreibung

THWS Schweinfurt Zentralbibliothek Lesesaal

Bestandesangaben von THWS Schweinfurt Zentralbibliothek Lesesaal
Signatur:	2000 ST 302 H318
Exemplar 1	ausleihbar Verfügbar Bestellen

MARC

Datensatz im Suchindex

THWS Schweinfurt Zentralbibliothek Lesesaal

Ähnliche Einträge