Einführung in die empirische Kausalanalyse und Machine Learning mit R:
Gespeichert in:
| Hauptverfasser: | , |
|---|---|
| Format: | Buch |
| Sprache: | German |
| Veröffentlicht: |
Bielefeld
wbv Media GmbH & Co. KG
[2020]
|
| Schriftenreihe: | UTB
5110 : Betriebswirtschaftslehre, Volkswirtschaftslehre, Soziologie |
| Schlagworte: | |
| Online-Zugang: | Inhaltsverzeichnis |
| Beschreibung: | 188 Seiten Diagramme |
| ISBN: | 9783825255107 |
Internformat
MARC
| LEADER | 00000nam a2200000 cb4500 | ||
|---|---|---|---|
| 001 | BV046868536 | ||
| 003 | DE-604 | ||
| 005 | 20220628 | ||
| 007 | t | ||
| 008 | 200826s2020 gw |||| |||| 00||| ger d | ||
| 016 | 7 | |a 1214453325 |2 DE-101 | |
| 020 | |a 9783825255107 |c kart. : EUR 25.00 (DE), EUR 25.70 (AT), CHF 32.50 (freier Preis) |9 978-3-8252-5510-7 | ||
| 035 | |a (OCoLC)1195967052 | ||
| 035 | |a (DE-599)DNB1214453325 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c XA-DE-BW | ||
| 049 | |a DE-860 |a DE-634 |a DE-355 |a DE-824 |a DE-1049 |a DE-Aug4 |a DE-11 |a DE-703 |a DE-19 |a DE-M347 |a DE-573 |a DE-20 |a DE-739 | ||
| 084 | |a QH 234 |0 (DE-625)141549: |2 rvk | ||
| 084 | |a MR 2100 |0 (DE-625)123488: |2 rvk | ||
| 084 | |a ST 300 |0 (DE-625)143650: |2 rvk | ||
| 084 | |a ST 601 |0 (DE-625)143682: |2 rvk | ||
| 084 | |a ST 250 |0 (DE-625)143626: |2 rvk | ||
| 084 | |a ST 302 |0 (DE-625)143652: |2 rvk | ||
| 084 | |a ST 300 |0 (DE-625)143650: |2 rvk | ||
| 084 | |a ST 301 |0 (DE-625)143651: |2 rvk | ||
| 084 | |a 330 |2 sdnb | ||
| 100 | 1 | |a Klinkhammer, Dennis |e Verfasser |0 (DE-588)1080506470 |4 aut | |
| 245 | 1 | 0 | |a Einführung in die empirische Kausalanalyse und Machine Learning mit R |c Dennis Klinkhammer, Alexander Spermann |
| 264 | 1 | |a Bielefeld |b wbv Media GmbH & Co. KG |c [2020] | |
| 300 | |a 188 Seiten |b Diagramme | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 490 | 1 | |a UTB |v 5110 |a Betriebswirtschaftslehre, Volkswirtschaftslehre, Soziologie | |
| 650 | 0 | 7 | |a R |g Programm |0 (DE-588)4705956-4 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |2 gnd |9 rswk-swf |
| 655 | 7 | |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 R |g Programm |0 (DE-588)4705956-4 |D s |
| 689 | 0 | |5 DE-604 | |
| 700 | 1 | |a Spermann, Alexander |d 1962- |e Verfasser |0 (DE-588)123277892 |4 aut | |
| 710 | 2 | |a Uni-Taschenbücher GmbH |0 (DE-588)5161273-2 |4 pbl | |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe |z 978-3-8385-5510-2 |
| 830 | 0 | |a UTB |v 5110 : Betriebswirtschaftslehre, Volkswirtschaftslehre, Soziologie |w (DE-604)BV000895355 |9 5110 | |
| 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=032278712&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
Datensatz im Suchindex
| _version_ | 1805066670048280576 |
|---|---|
| adam_text |
INHALT
SCHNELLEINSTIEG
IN
R
.
7
TEIL
1:
GRUNDLAGEN
DER
FORSCHUNGSMETHODEN
.
9
1
EINFUEHRUNG
IN
DIE
FORSCHUNGSMETHODEN
.
9
2
ZIELE
DER
EMPIRISCHEN
FORSCHUNG
.
12
3
GRUNDLEGENDE
BEGRIFFE
UND
DEFINITIONEN
.
14
FORSCHUNGSFRAGEN
UND
HYPOTHESEN
.
14
OPERATIONALISIERUNG
ZUR
BEANTWORTUNG
VON
HYPOTHESEN
.
16
VARIABLEN
UND
KONSTANTEN
IN
DATENSAETZEN
.
17
SKALENNIVEAUS
.
20
4
WISSENSCHAFTLICHE
GUETEKRITERIEN
.
23
OBJEKTIVITAET
.
23
RELIABILITAET
.
24
VALIDITAET
.
24
5
DATEN
ALS
GRUNDLAGE
DER
ANALYSE
.
27
DATENGENERIERUNG
.
27
STICHPROBENZIEHUNG
.
28
HERAUSFORDERUNGEN
DER
DATENGEWINNUNG
.
32
TEIL
2:
QUANTITATIVE
DATENANALYSE
.
39
6
DESKRIPTIVE
ANALYSE
.
39
BEISPIELDATENSATZ
FUER
DIE
DESKRIPTIVE
ANALYSE
.
39
LAGEMASSE
DER
DESKRIPTIVEN
STATISTIK
.
40
MINIMUM,
MAXIMUM
SOWIE
WEITERE
LAGEMASSE
.
43
BOXPLOT
ZUR
GRAFISCHEN
DARSTELLUNG
VON
VERTEILUNGEN
.
45
VERTEILUNG
DER
MERKMALSAUSPRAEGUNGEN
.
47
VARIANZ
UND
STANDARDABWEICHUNG
.
51
VERGLEICH
VON
Z-WERTEN
.
56
7
BIVARIATE
ANALYSE
.
58
BEISPIELDATENSATZ
FUER
DIE
BIVARIATE
ANALYSE
.
58
EMPIRISCHE
KOVARIANZ
.
60
KORRELATIONSKOEFFIZIENTEN
.
61
BIVARIATE
DATENSTRUKTUR
VISUALISIEREN
.
66
CHI-QUADRAT-TEST
.
68
T-TEST
.
72
4
INHALT
8
MULTIVARIATE
ANALYSE
.
77
BEISPIELDATENSATZ
FUER
DIE
MULTIVARIATE
ANALYSE
.
78
DESKRIPTIVE
UND
BIVARIATE
ANALYSE
VOR
DER
MULTIVARIATEN
ANALYSE
.
79
GRUNDLAGEN
DER
LINEAREN
REGRESSIONSANALYSE
.
81
EINFACHE
LINEARE
REGRESSION
.
82
MULTIPLE
LINEARE
REGRESSION
.
86
ZUSAMMENFASSUNG
DER
VORAUSSETZUNGEN
FUER
LINEARE
REGRESSIONS
ANALYSEN
.
92
GRUNDLAGEN
DER
LOGISTISCHEN
REGRESSIONSANALYSE
.
93
TEIL
3:
EMPIRISCHE
KAUSALANALYSE
.
99
9
DAS
FUNDAMENTALE
EVALUATIONSPROBLEM
UND
KAUSALE
EFFEKTE
.
99
10
RANDOMISIERTE
EXPERIMENTE
ZUR
LOESUNG
DES
FUNDAMENTALEN
EVALUATIONSPROBLEMS
.
102
EINFUEHRUNG
IN
RANDOMISIERTE
EXPERIMENTE
.
102
IDENTIFIZIERUNGSSTRATEGIE
BEI
RANDOMISIERTEN
EXPERIMENTEN
.
111
11
LOESUNG
DES
FUNDAMENTALEN
EVALUATIONSPROBLEMSBEI
FEHLENDER
RANDOMISIERUNG
.
115
KONTROLLVARIABLEN
IN
DER
REGRESSIONSANALYSE
.
115
PRAXISBEISPIEL:
EVALUATION
EINES
WEITERBILDUNGSPROGRAMMS
OHNE
RANDOMISIERUNG
.
118
12
ERSTER
LOESUNGSANSATZ:
REGRESSION
DISCONTINUITY
DESIGN
.
120
GRUNDIDEE
DES
DESIGNS
.
120
KAUSALER
EFFEKT
EINES
FIKTIVEN
WEITERBILDUNGSPROGRAMMS
.
121
RDD
PRAXISBEISPIEL
.
122
13
ZWEITER
LOESUNGSANSATZ:
DIFFERENZ-VON-DIFFERENZEN-SCHAETZUNG
.
125
GRUNDIDEE
DES
DESIGNS
.
125
DID
UND
REGRESSIONSMETHODE
.
126
DID-REGRESSIONSMODELLE
IN
R
.
127
GRENZEN
DER
DID-METHODE
.
129
14
DRITTER
LOESUNGSANSATZ:
INSTRUMENTVARIABIEN-SCHAETZUNG
.
133
GRUNDIDEE
DES
DESIGNS
.
133
MINCER-GLEICHUNG
IN
R
.
134
DISKUSSION
DER
IDENTIFIZIERENDEN
ANNAHME
.
137
INSTRUMENTVARIABIENSCHAETZUNG
UND
2
S
LS
.
137
15
WICHTIGE
KONZEPTE
UND
UNTERSCHEIDUNGEN
.
141
ARTEN
VON
EXPERIMENTEN
.
141
ARTEN
VON
KAUSALEN
EFFEKTEN
.
142
MESSUNG
VON
EFFEKTEN
.
146
TESTSTAERKE
.
147
EXTERNE
VALIDITAET
.
148
AUSBLICK
.
149
INHALT
5
TEIL
4:
MACHINE
LEAMING
.
151
16
EINFUEHRUNG
IN
DAS
MACHINE
LEARNING
.
151
17
STATISTISCHE
FORMELN
ALS
GRUNDLAGE
DES
MACHINE
LEAMINGS
.
153
DATENAUFBEREITUNG
UND
MODELLIERUNG
.
153
TRAINING
UND
VALIDIERUNG
.
154
18
ANWENDUNG
VON
MACHINE
LEARNING-ALGORITHMEN
.
158
BEISPIELDATENSATZ
FUER
DAS
MACHINE
LEAMING
.
158
SUPERVISED
MACHINE
LEAMING
.
163
UNSUPERVISED
MACHINE
LEAMING
.
171
TEIL
5:
WEITERE
MATERIALIEN
.
179
VIDEO-TUTORIALS
(YOUTUBE)
.
179
PROGRAMMIERBEISPIELE
(GITHUB)
.
181
AUSGEWIESENE
LITERATUREMPFEHLUNGEN
.
182
SACHWORTVERZEICHNIS
.
185 |
| adam_txt |
INHALT
SCHNELLEINSTIEG
IN
R
.
7
TEIL
1:
GRUNDLAGEN
DER
FORSCHUNGSMETHODEN
.
9
1
EINFUEHRUNG
IN
DIE
FORSCHUNGSMETHODEN
.
9
2
ZIELE
DER
EMPIRISCHEN
FORSCHUNG
.
12
3
GRUNDLEGENDE
BEGRIFFE
UND
DEFINITIONEN
.
14
FORSCHUNGSFRAGEN
UND
HYPOTHESEN
.
14
OPERATIONALISIERUNG
ZUR
BEANTWORTUNG
VON
HYPOTHESEN
.
16
VARIABLEN
UND
KONSTANTEN
IN
DATENSAETZEN
.
17
SKALENNIVEAUS
.
20
4
WISSENSCHAFTLICHE
GUETEKRITERIEN
.
23
OBJEKTIVITAET
.
23
RELIABILITAET
.
24
VALIDITAET
.
24
5
DATEN
ALS
GRUNDLAGE
DER
ANALYSE
.
27
DATENGENERIERUNG
.
27
STICHPROBENZIEHUNG
.
28
HERAUSFORDERUNGEN
DER
DATENGEWINNUNG
.
32
TEIL
2:
QUANTITATIVE
DATENANALYSE
.
39
6
DESKRIPTIVE
ANALYSE
.
39
BEISPIELDATENSATZ
FUER
DIE
DESKRIPTIVE
ANALYSE
.
39
LAGEMASSE
DER
DESKRIPTIVEN
STATISTIK
.
40
MINIMUM,
MAXIMUM
SOWIE
WEITERE
LAGEMASSE
.
43
BOXPLOT
ZUR
GRAFISCHEN
DARSTELLUNG
VON
VERTEILUNGEN
.
45
VERTEILUNG
DER
MERKMALSAUSPRAEGUNGEN
.
47
VARIANZ
UND
STANDARDABWEICHUNG
.
51
VERGLEICH
VON
Z-WERTEN
.
56
7
BIVARIATE
ANALYSE
.
58
BEISPIELDATENSATZ
FUER
DIE
BIVARIATE
ANALYSE
.
58
EMPIRISCHE
KOVARIANZ
.
60
KORRELATIONSKOEFFIZIENTEN
.
61
BIVARIATE
DATENSTRUKTUR
VISUALISIEREN
.
66
CHI-QUADRAT-TEST
.
68
T-TEST
.
72
4
INHALT
8
MULTIVARIATE
ANALYSE
.
77
BEISPIELDATENSATZ
FUER
DIE
MULTIVARIATE
ANALYSE
.
78
DESKRIPTIVE
UND
BIVARIATE
ANALYSE
VOR
DER
MULTIVARIATEN
ANALYSE
.
79
GRUNDLAGEN
DER
LINEAREN
REGRESSIONSANALYSE
.
81
EINFACHE
LINEARE
REGRESSION
.
82
MULTIPLE
LINEARE
REGRESSION
.
86
ZUSAMMENFASSUNG
DER
VORAUSSETZUNGEN
FUER
LINEARE
REGRESSIONS
ANALYSEN
.
92
GRUNDLAGEN
DER
LOGISTISCHEN
REGRESSIONSANALYSE
.
93
TEIL
3:
EMPIRISCHE
KAUSALANALYSE
.
99
9
DAS
FUNDAMENTALE
EVALUATIONSPROBLEM
UND
KAUSALE
EFFEKTE
.
99
10
RANDOMISIERTE
EXPERIMENTE
ZUR
LOESUNG
DES
FUNDAMENTALEN
EVALUATIONSPROBLEMS
.
102
EINFUEHRUNG
IN
RANDOMISIERTE
EXPERIMENTE
.
102
IDENTIFIZIERUNGSSTRATEGIE
BEI
RANDOMISIERTEN
EXPERIMENTEN
.
111
11
LOESUNG
DES
FUNDAMENTALEN
EVALUATIONSPROBLEMSBEI
FEHLENDER
RANDOMISIERUNG
.
115
KONTROLLVARIABLEN
IN
DER
REGRESSIONSANALYSE
.
115
PRAXISBEISPIEL:
EVALUATION
EINES
WEITERBILDUNGSPROGRAMMS
OHNE
RANDOMISIERUNG
.
118
12
ERSTER
LOESUNGSANSATZ:
REGRESSION
DISCONTINUITY
DESIGN
.
120
GRUNDIDEE
DES
DESIGNS
.
120
KAUSALER
EFFEKT
EINES
FIKTIVEN
WEITERBILDUNGSPROGRAMMS
.
121
RDD
PRAXISBEISPIEL
.
122
13
ZWEITER
LOESUNGSANSATZ:
DIFFERENZ-VON-DIFFERENZEN-SCHAETZUNG
.
125
GRUNDIDEE
DES
DESIGNS
.
125
DID
UND
REGRESSIONSMETHODE
.
126
DID-REGRESSIONSMODELLE
IN
R
.
127
GRENZEN
DER
DID-METHODE
.
129
14
DRITTER
LOESUNGSANSATZ:
INSTRUMENTVARIABIEN-SCHAETZUNG
.
133
GRUNDIDEE
DES
DESIGNS
.
133
MINCER-GLEICHUNG
IN
R
.
134
DISKUSSION
DER
IDENTIFIZIERENDEN
ANNAHME
.
137
INSTRUMENTVARIABIENSCHAETZUNG
UND
2
S
LS
.
137
15
WICHTIGE
KONZEPTE
UND
UNTERSCHEIDUNGEN
.
141
ARTEN
VON
EXPERIMENTEN
.
141
ARTEN
VON
KAUSALEN
EFFEKTEN
.
142
MESSUNG
VON
EFFEKTEN
.
146
TESTSTAERKE
.
147
EXTERNE
VALIDITAET
.
148
AUSBLICK
.
149
INHALT
5
TEIL
4:
MACHINE
LEAMING
.
151
16
EINFUEHRUNG
IN
DAS
MACHINE
LEARNING
.
151
17
STATISTISCHE
FORMELN
ALS
GRUNDLAGE
DES
MACHINE
LEAMINGS
.
153
DATENAUFBEREITUNG
UND
MODELLIERUNG
.
153
TRAINING
UND
VALIDIERUNG
.
154
18
ANWENDUNG
VON
MACHINE
LEARNING-ALGORITHMEN
.
158
BEISPIELDATENSATZ
FUER
DAS
MACHINE
LEAMING
.
158
SUPERVISED
MACHINE
LEAMING
.
163
UNSUPERVISED
MACHINE
LEAMING
.
171
TEIL
5:
WEITERE
MATERIALIEN
.
179
VIDEO-TUTORIALS
(YOUTUBE)
.
179
PROGRAMMIERBEISPIELE
(GITHUB)
.
181
AUSGEWIESENE
LITERATUREMPFEHLUNGEN
.
182
SACHWORTVERZEICHNIS
.
185 |
| any_adam_object | 1 |
| any_adam_object_boolean | 1 |
| author | Klinkhammer, Dennis Spermann, Alexander 1962- |
| author_GND | (DE-588)1080506470 (DE-588)123277892 |
| author_facet | Klinkhammer, Dennis Spermann, Alexander 1962- |
| author_role | aut aut |
| author_sort | Klinkhammer, Dennis |
| author_variant | d k dk a s as |
| building | Verbundindex |
| bvnumber | BV046868536 |
| classification_rvk | QH 234 MR 2100 ST 300 ST 601 ST 250 ST 302 ST 301 |
| ctrlnum | (OCoLC)1195967052 (DE-599)DNB1214453325 |
| discipline | Informatik Soziologie Wirtschaftswissenschaften |
| discipline_str_mv | Informatik Soziologie Wirtschaftswissenschaften |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a2200000 cb4500</leader><controlfield tag="001">BV046868536</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20220628</controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">200826s2020 gw |||| |||| 00||| ger d</controlfield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1214453325</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783825255107</subfield><subfield code="c">kart. : EUR 25.00 (DE), EUR 25.70 (AT), CHF 32.50 (freier Preis)</subfield><subfield code="9">978-3-8252-5510-7</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1195967052</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1214453325</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-BW</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-860</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-824</subfield><subfield code="a">DE-1049</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-19</subfield><subfield code="a">DE-M347</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-739</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QH 234</subfield><subfield code="0">(DE-625)141549:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">MR 2100</subfield><subfield code="0">(DE-625)123488:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 300</subfield><subfield code="0">(DE-625)143650:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 601</subfield><subfield code="0">(DE-625)143682:</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">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 301</subfield><subfield code="0">(DE-625)143651:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">330</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Klinkhammer, Dennis</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1080506470</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Einführung in die empirische Kausalanalyse und Machine Learning mit R</subfield><subfield code="c">Dennis Klinkhammer, Alexander Spermann</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Bielefeld</subfield><subfield code="b">wbv Media GmbH & Co. KG</subfield><subfield code="c">[2020]</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">188 Seiten</subfield><subfield code="b">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="490" ind1="1" ind2=" "><subfield code="a">UTB</subfield><subfield code="v">5110</subfield><subfield code="a">Betriebswirtschaftslehre, Volkswirtschaftslehre, Soziologie</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">R</subfield><subfield code="g">Programm</subfield><subfield code="0">(DE-588)4705956-4</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="655" ind1=" " ind2="7"><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">R</subfield><subfield code="g">Programm</subfield><subfield code="0">(DE-588)4705956-4</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Spermann, Alexander</subfield><subfield code="d">1962-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)123277892</subfield><subfield code="4">aut</subfield></datafield><datafield tag="710" ind1="2" ind2=" "><subfield code="a">Uni-Taschenbücher GmbH</subfield><subfield code="0">(DE-588)5161273-2</subfield><subfield code="4">pbl</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe</subfield><subfield code="z">978-3-8385-5510-2</subfield></datafield><datafield tag="830" ind1=" " ind2="0"><subfield code="a">UTB</subfield><subfield code="v">5110 : Betriebswirtschaftslehre, Volkswirtschaftslehre, Soziologie</subfield><subfield code="w">(DE-604)BV000895355</subfield><subfield code="9">5110</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=032278712&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield></record></collection> |
| genre | (DE-588)4123623-3 Lehrbuch gnd-content |
| genre_facet | Lehrbuch |
| id | DE-604.BV046868536 |
| illustrated | Not Illustrated |
| index_date | 2024-07-03T15:14:58Z |
| indexdate | 2024-07-20T03:22:02Z |
| institution | BVB |
| institution_GND | (DE-588)5161273-2 |
| isbn | 9783825255107 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-032278712 |
| oclc_num | 1195967052 |
| open_access_boolean | |
| owner | DE-860 DE-634 DE-355 DE-BY-UBR DE-824 DE-1049 DE-Aug4 DE-11 DE-703 DE-19 DE-BY-UBM DE-M347 DE-573 DE-20 DE-739 |
| owner_facet | DE-860 DE-634 DE-355 DE-BY-UBR DE-824 DE-1049 DE-Aug4 DE-11 DE-703 DE-19 DE-BY-UBM DE-M347 DE-573 DE-20 DE-739 |
| physical | 188 Seiten Diagramme |
| publishDate | 2020 |
| publishDateSearch | 2020 |
| publishDateSort | 2020 |
| publisher | wbv Media GmbH & Co. KG |
| record_format | marc |
| series | UTB |
| series2 | UTB Betriebswirtschaftslehre, Volkswirtschaftslehre, Soziologie |
| spelling | Klinkhammer, Dennis Verfasser (DE-588)1080506470 aut Einführung in die empirische Kausalanalyse und Machine Learning mit R Dennis Klinkhammer, Alexander Spermann Bielefeld wbv Media GmbH & Co. KG [2020] 188 Seiten Diagramme txt rdacontent n rdamedia nc rdacarrier UTB 5110 Betriebswirtschaftslehre, Volkswirtschaftslehre, Soziologie R Programm (DE-588)4705956-4 gnd rswk-swf Maschinelles Lernen (DE-588)4193754-5 gnd rswk-swf (DE-588)4123623-3 Lehrbuch gnd-content Maschinelles Lernen (DE-588)4193754-5 s R Programm (DE-588)4705956-4 s DE-604 Spermann, Alexander 1962- Verfasser (DE-588)123277892 aut Uni-Taschenbücher GmbH (DE-588)5161273-2 pbl Erscheint auch als Online-Ausgabe 978-3-8385-5510-2 UTB 5110 : Betriebswirtschaftslehre, Volkswirtschaftslehre, Soziologie (DE-604)BV000895355 5110 DNB Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032278712&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis |
| spellingShingle | Klinkhammer, Dennis Spermann, Alexander 1962- Einführung in die empirische Kausalanalyse und Machine Learning mit R UTB R Programm (DE-588)4705956-4 gnd Maschinelles Lernen (DE-588)4193754-5 gnd |
| subject_GND | (DE-588)4705956-4 (DE-588)4193754-5 (DE-588)4123623-3 |
| title | Einführung in die empirische Kausalanalyse und Machine Learning mit R |
| title_auth | Einführung in die empirische Kausalanalyse und Machine Learning mit R |
| title_exact_search | Einführung in die empirische Kausalanalyse und Machine Learning mit R |
| title_exact_search_txtP | Einführung in die empirische Kausalanalyse und Machine Learning mit R |
| title_full | Einführung in die empirische Kausalanalyse und Machine Learning mit R Dennis Klinkhammer, Alexander Spermann |
| title_fullStr | Einführung in die empirische Kausalanalyse und Machine Learning mit R Dennis Klinkhammer, Alexander Spermann |
| title_full_unstemmed | Einführung in die empirische Kausalanalyse und Machine Learning mit R Dennis Klinkhammer, Alexander Spermann |
| title_short | Einführung in die empirische Kausalanalyse und Machine Learning mit R |
| title_sort | einfuhrung in die empirische kausalanalyse und machine learning mit r |
| topic | R Programm (DE-588)4705956-4 gnd Maschinelles Lernen (DE-588)4193754-5 gnd |
| topic_facet | R Programm Maschinelles Lernen Lehrbuch |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032278712&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| volume_link | (DE-604)BV000895355 |
| work_keys_str_mv | AT klinkhammerdennis einfuhrungindieempirischekausalanalyseundmachinelearningmitr AT spermannalexander einfuhrungindieempirischekausalanalyseundmachinelearningmitr AT unitaschenbuchergmbh einfuhrungindieempirischekausalanalyseundmachinelearningmitr |