Holdings: Data Mining :: THWS Bibkatalog

Data Mining:

Saved in:

Bibliographic Details
Main Authors:	Cleve, Jürgen 1957- (Author), Lämmel, Uwe 1956- (Author)
Format:	Book
Language:	German
Published:	Berlin ; Boston De Gruyter [2020]
Edition:	3. Auflage
Series:	De Gruyter Studium
Subjects:	Data Mining Big Data TB: Textbook Lehrbuch
Online Access:	http://www.degruyter.com/search?f_0=isbnissn&q_0=9783110676235&searchTitles=true Inhaltsverzeichnis Klappentext
Physical Description:	XII, 320 Seiten Illustrationen, Diagramme 17 cm x 24 cm, 578 g
ISBN:	9783110676235 3110676230

Staff View

MARC


LEADER	00000nam a22000008c 4500
001	BV046940024
003	DE-604
005	20220125
007	t\|
008	201014s2020 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 19,N33 \|2 dnb
016	7		\|a 119258189X \|2 DE-101
020			\|a 9783110676235 \|c kart. : EUR 44.95 (DE), EUR 44.95 (AT) \|9 978-3-11-067623-5
020			\|a 3110676230 \|9 3-11-067623-0
024	3		\|a 9783110676235
035			\|a (OCoLC)1112239990
035			\|a (DE-599)DNB119258189X
040			\|a DE-604 \|b ger \|e rda
041	0		\|a ger
044			\|a gw \|c XA-DE-BE
049			\|a DE-860 \|a DE-91G \|a DE-1102 \|a DE-1046 \|a DE-706 \|a DE-20 \|a DE-Aug4 \|a DE-1051 \|a DE-1050 \|a DE-703 \|a DE-859 \|a DE-12 \|a DE-525 \|a DE-384 \|a DE-521 \|a DE-355 \|a DE-19
084			\|a QP 345 \|0 (DE-625)141866: \|2 rvk
084			\|a ST 270 \|0 (DE-625)143638: \|2 rvk
084			\|a ST 530 \|0 (DE-625)143679: \|2 rvk
084			\|a 004 \|2 sdnb
084			\|a 650 \|2 sdnb
084			\|a DAT 600 \|2 stub
100	1		\|a Cleve, Jürgen \|d 1957- \|e Verfasser \|0 (DE-588)136387365 \|4 aut
245	1	0	\|a Data Mining \|c Jürgen Cleve, Uwe Lämmel
250			\|a 3. Auflage
264		1	\|a Berlin ; Boston \|b De Gruyter \|c [2020]
300			\|a XII, 320 Seiten \|b Illustrationen, Diagramme \|c 17 cm x 24 cm, 578 g
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
490	0		\|a De Gruyter Studium
650	0	7	\|a Data Mining \|0 (DE-588)4428654-5 \|2 gnd \|9 rswk-swf
653			\|a Data Mining
653			\|a Big Data
653			\|a TB: Textbook
655		7	\|0 (DE-588)4123623-3 \|a Lehrbuch \|2 gnd-content
689	0	0	\|a Data Mining \|0 (DE-588)4428654-5 \|D s
689	0		\|5 DE-604
700	1		\|a Lämmel, Uwe \|d 1956- \|e Verfasser \|0 (DE-588)111061334 \|4 aut
710	2		\|a Walter de Gruyter GmbH & Co. KG \|0 (DE-588)10095502-2 \|4 pbl
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, PDF \|z 978-3-11-067627-3 \|w (DE-604)BV046950603
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, EPUB \|z 978-3-11-067729-4
787	0	8	\|i Überarbeitung von \|b 2. Auflage \|d 2016 \|z 978-3-11-045675-2 \|w (DE-604)BV043486017
856	4	2	\|m X:MVB \|u http://www.degruyter.com/search?f_0=isbnissn&q_0=9783110676235&searchTitles=true
856	4	2	\|m Digitalisierung UB Regensburg - ADAM Catalogue Enrichment \|q application/pdf \|u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032348763&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
856	4	2	\|m Digitalisierung UB Regensburg - ADAM Catalogue Enrichment \|q application/pdf \|u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032348763&sequence=000003&line_number=0002&func_code=DB_RECORDS&service_type=MEDIA \|3 Klappentext
943	1		\|a oai:aleph.bib-bvb.de:BVB01-032348763

Record in the Search Index

_version_	1818232185831817216
adam_text	Inhalt 1 1.1 1.2 1.3 1.4 1.5 1.6 1.6.1 1.6.2 1.6.3 Einführung----- 1 Auswertung von Massendaten — 1 Ablauf einer Datenanalyse — 2 Das Vorgehensmodell von Fayyad----- 8 Interdisziplinarität von Data Mining----- 11 Wozu Data Mining?----- 17 Werkzeuge----- 20 KNIME----- 21 WEKA----- 29 JavaNNS----- 35 2 2.1 2.2 2.3 2.4 2.5 2.6 Grundlagen des Data Mining — 41 Grundbegriffe----- 41 Datentypen----- 43 Abstands- und Ähnlichkeitsmaße----- 47 Grundlagen Künstlicher Neuronaler Netze-----51 Logik----- 56 Überwachtes und unüberwachtes Lernen----- 59 3 3.1 3.2 3.3 3.4 3.5 3.6 Anwendungsklassen — 61 Cluster-Analyse----- 61 Klassifikation----- 64 Numerische Vorhersage----- 66 Assoziationsanalyse — 67 Text Mining----- 69 Web Mining---- 70 4 4.1 4.2 4.3 4.4 4.5 4.6 4.7 Wissensrepräsentation — 73 Entscheidungstabelle----- 73 Entscheidungsbäume----- 75 Regeln----- 76 Assoziationsregeln----- 77 Instanzenbasierte Darstellung — 83 Repräsentation von Clustern — 83 Neuronale Netze als Wissensspeicher----- 85 5 5.1 5.1.1 Klassifikation — 87 К-Nearest Neighbour----- 87 K-Nearest-Neighbour-Atgorithmus----- 89 X — 5.1.2 5.2 5.2.1 5.2.2 5.2.3 5.2.4 5.2.5 5.2.6 5.2.7 5.2.8 5.3 5.3.1 5.3.2 5.4 5.4.1 5.4.2 5.4.3 5.4.4 5.4.5 5.5 5.5.1 5.5.2 5.6 5.6.1 5.6.2 5.6.3 6 6.1 6.1.1 6.1.2 6.1.3 6.1.4 6.2 6.3 6.4 6.5 6.6 6.7 6.7.1 6.7.2 6.7.3 Inhalt Ein verfeinerter Algorithmus------93 Entscheidungsbaumlernen------ 96 Erzeugen eines Entscheidungsbaums — 96 Auswahl eines Attributs------ 98 Der 1D3-Algorithmus zur Erzeugung eines Entscheidungsbaums —101 Entropie------ 108 DerGini-lndex------ 110 Der C4.5-Algorithmus----- 111 Probleme beim Entscheidungsbaumlernen —113 Entscheidungsbaum und Regeln —114 Naive Bayes —116 Bayessche Formel —117 Der Naive-Bayes-Algorithmus —117 Vorwärtsgerichtete Neuronale Netze —125 Architektur----- 125 Das Backpropagation-of-Error-Lernverfahren —128 Modifikationen des Backpropagation-Algorithmus —132 Ein Beispiel----- 134 Convolutional Neural Networks------ 137 Support Vector Machines------138 Grundprinzip------ 138 Formale Darstellung von Support Vector Machines —140 Ensemble Learning------ 144 Bagging------ 145 Boosting------ 145 Random Forest------ 146 Cluster-Analyse----- 147 Arten der Cluster-Analyse----- 147 Partitionierende Cluster-Bildung----- 147 Hierarchische Cluster-Bildung----- 148 Dichtebasierte Cluster-Bildung------150 Cluster-Analyse mit Neuronalen Netzen------ 150 Derk-Means-Algorithmus-------151 Der k-Medoid-Algorithmus------ 161 Erwartungsmaximierung------- 167 Agglomeratives Clustern-------168 Dichtebasiertes Clustern------- 172 Cluster-Bildung mittels selbstorganisierender Karten------ 176 Aufbau------ 176 Lernen------ 177 Visualisierung einer SOM------ 179 Inhalt 6.7.4 6.8 6.9 6.10 Ein Beispiel----- 181 Cluster-Bildung mittels neuronaler Gase----- 183 Cluster-Bildung mittels ART----- 185 Der Fuzzy-c-Means-Algorithmus ----- 187 7 7.1 7.1.1 7.1.2 7.2 7.3 7.3.1 7.3.2 7.3.3 Assoziationsanalyse —191 Der A-Priori-Algorithmus----- 191 Generierung der Kandidaten —193 Erzeugen der Regeln----- 196 Frequent Pattern Growth----- 201 Assoziationsregeln für spezielle Aufgaben----- 206 Hierarchische Assoziationsregeln----- 206 Quantitative Assoziationsregeln----- 207 Erzeugung von temporalen Assoziationsregeln----- 209 8 8.1 8.2 8.2.1 8.2.2 8.2.3 8.2.4 8.2.5 8.3 Datenvorbereitung------211 Motivation----- 211 Arten der Datenvorbereitung----- 215 Datenselektion und -integration----- 216 Datensäuberung----- 217 Datenreduktion----- 223 Ungleichverteilung des Zielattributs----- 226 Datentransformation----- 227 Ein Beispiel----- 238 9 9.1 9.2 9.2.1 9.2.2 9.2.3 9.2.4 9.2.5 9.2.6 9.2.7 9.3 9.3.1 9.3.2 9.3.3 9.4 9.5 9.6 Bewertung------245 Prinzip der minimalen Beschreibungslängen----- 246 Interessantheitsmaße für Assoziationsregeln----- 246 Support----- 247 Konfidenz----- 247 Completeness----- 248 Gain-Funktion----- 249 p-s-Funktion----- 250 Lift----- 251 Einordnung der Interessantheitsmaße---- 252 Gütemaße und Fehlerkosten----- 252 Fehlerraten----- 252 Weitere Gütemaße für Klassifikatoren----- 253 Fehlerkosten----- 257 Testmengen----- 258 Qualität von Clustern----- 260 Visualisierung — 263 — XI XII — Inhalt Eine Data-Mining-Aufgabe — 273 Die Aufgabe — 273 Das Problem — 274 Die Daten — 276 10.3 Datenvorbereitung----- 282 10.4 Experimente — 284 10.5 К-Nearest Neighbour — 286 10.5.1 Naive Bayes — 289 10.5.2 10.5.3 Entscheidungsbaumverfahren----- 291 10.5.4 Neuronale Netze — 295 10.6 Auswertung der Ergebnisse----- 302 10 10.1 10.2 A A.l A.2 A.3 A.4 Anhang - Beispieldaten — 305 Iris-Daten----- 305 Sojabohnen — 307 Wetter-Daten — 308 Kontaktlinsen-Daten — 310 Literatur — 313 Stichwortverzeichnis — 317 Data Mining liefert Methoden und Algorithmen, um bisher unbekannte Zusam menhänge in großen Datenmengen zu entdecken. Das Buch deckt den Stoff einer einsemestrigen Vorlesung an Universitäten oder Fachhochschulen ab und ist als klassisches Lehrbuch konzipiert. Es bietet eine Einführung in die wesentlichen Anwendungsgebiete und behandelt die zugehörigen Algorithmen. Die Beispiele und Aufgaben können mit frei verfügbaren Werkzeugen bearbeitet werden. Die dritte Auflage enthält inhaltliche Erweiterungen und Aktualisierungen, insbe sondere die Einordnung des Themas Data Mining in den Kontext der Begriffe KI, Big Data, Data Science, Machine Learning. ► viele Beispiele und Übungsaufgaben » aktualisierte und neue Inhalte ► Einordnung in die Themen KI, Big Data, Data Science, Machine Learning ► erfahrene Autoren
adam_txt	Inhalt 1 1.1 1.2 1.3 1.4 1.5 1.6 1.6.1 1.6.2 1.6.3 Einführung----- 1 Auswertung von Massendaten — 1 Ablauf einer Datenanalyse — 2 Das Vorgehensmodell von Fayyad----- 8 Interdisziplinarität von Data Mining----- 11 Wozu Data Mining?----- 17 Werkzeuge----- 20 KNIME----- 21 WEKA----- 29 JavaNNS----- 35 2 2.1 2.2 2.3 2.4 2.5 2.6 Grundlagen des Data Mining — 41 Grundbegriffe----- 41 Datentypen----- 43 Abstands- und Ähnlichkeitsmaße----- 47 Grundlagen Künstlicher Neuronaler Netze-----51 Logik----- 56 Überwachtes und unüberwachtes Lernen----- 59 3 3.1 3.2 3.3 3.4 3.5 3.6 Anwendungsklassen — 61 Cluster-Analyse----- 61 Klassifikation----- 64 Numerische Vorhersage----- 66 Assoziationsanalyse — 67 Text Mining----- 69 Web Mining---- 70 4 4.1 4.2 4.3 4.4 4.5 4.6 4.7 Wissensrepräsentation — 73 Entscheidungstabelle----- 73 Entscheidungsbäume----- 75 Regeln----- 76 Assoziationsregeln----- 77 Instanzenbasierte Darstellung — 83 Repräsentation von Clustern — 83 Neuronale Netze als Wissensspeicher----- 85 5 5.1 5.1.1 Klassifikation — 87 К-Nearest Neighbour----- 87 K-Nearest-Neighbour-Atgorithmus----- 89 X — 5.1.2 5.2 5.2.1 5.2.2 5.2.3 5.2.4 5.2.5 5.2.6 5.2.7 5.2.8 5.3 5.3.1 5.3.2 5.4 5.4.1 5.4.2 5.4.3 5.4.4 5.4.5 5.5 5.5.1 5.5.2 5.6 5.6.1 5.6.2 5.6.3 6 6.1 6.1.1 6.1.2 6.1.3 6.1.4 6.2 6.3 6.4 6.5 6.6 6.7 6.7.1 6.7.2 6.7.3 Inhalt Ein verfeinerter Algorithmus------93 Entscheidungsbaumlernen------ 96 Erzeugen eines Entscheidungsbaums — 96 Auswahl eines Attributs------ 98 Der 1D3-Algorithmus zur Erzeugung eines Entscheidungsbaums —101 Entropie------ 108 DerGini-lndex------ 110 Der C4.5-Algorithmus----- 111 Probleme beim Entscheidungsbaumlernen —113 Entscheidungsbaum und Regeln —114 Naive Bayes —116 Bayessche Formel —117 Der Naive-Bayes-Algorithmus —117 Vorwärtsgerichtete Neuronale Netze —125 Architektur----- 125 Das Backpropagation-of-Error-Lernverfahren —128 Modifikationen des Backpropagation-Algorithmus —132 Ein Beispiel----- 134 Convolutional Neural Networks------ 137 Support Vector Machines------138 Grundprinzip------ 138 Formale Darstellung von Support Vector Machines —140 Ensemble Learning------ 144 Bagging------ 145 Boosting------ 145 Random Forest------ 146 Cluster-Analyse----- 147 Arten der Cluster-Analyse----- 147 Partitionierende Cluster-Bildung----- 147 Hierarchische Cluster-Bildung----- 148 Dichtebasierte Cluster-Bildung------150 Cluster-Analyse mit Neuronalen Netzen------ 150 Derk-Means-Algorithmus-------151 Der k-Medoid-Algorithmus------ 161 Erwartungsmaximierung------- 167 Agglomeratives Clustern-------168 Dichtebasiertes Clustern------- 172 Cluster-Bildung mittels selbstorganisierender Karten------ 176 Aufbau------ 176 Lernen------ 177 Visualisierung einer SOM------ 179 Inhalt 6.7.4 6.8 6.9 6.10 Ein Beispiel----- 181 Cluster-Bildung mittels neuronaler Gase----- 183 Cluster-Bildung mittels ART----- 185 Der Fuzzy-c-Means-Algorithmus ----- 187 7 7.1 7.1.1 7.1.2 7.2 7.3 7.3.1 7.3.2 7.3.3 Assoziationsanalyse —191 Der A-Priori-Algorithmus----- 191 Generierung der Kandidaten —193 Erzeugen der Regeln----- 196 Frequent Pattern Growth----- 201 Assoziationsregeln für spezielle Aufgaben----- 206 Hierarchische Assoziationsregeln----- 206 Quantitative Assoziationsregeln----- 207 Erzeugung von temporalen Assoziationsregeln----- 209 8 8.1 8.2 8.2.1 8.2.2 8.2.3 8.2.4 8.2.5 8.3 Datenvorbereitung------211 Motivation----- 211 Arten der Datenvorbereitung----- 215 Datenselektion und -integration----- 216 Datensäuberung----- 217 Datenreduktion----- 223 Ungleichverteilung des Zielattributs----- 226 Datentransformation----- 227 Ein Beispiel----- 238 9 9.1 9.2 9.2.1 9.2.2 9.2.3 9.2.4 9.2.5 9.2.6 9.2.7 9.3 9.3.1 9.3.2 9.3.3 9.4 9.5 9.6 Bewertung------245 Prinzip der minimalen Beschreibungslängen----- 246 Interessantheitsmaße für Assoziationsregeln----- 246 Support----- 247 Konfidenz----- 247 Completeness----- 248 Gain-Funktion----- 249 p-s-Funktion----- 250 Lift----- 251 Einordnung der Interessantheitsmaße---- 252 Gütemaße und Fehlerkosten----- 252 Fehlerraten----- 252 Weitere Gütemaße für Klassifikatoren----- 253 Fehlerkosten----- 257 Testmengen----- 258 Qualität von Clustern----- 260 Visualisierung — 263 — XI XII — Inhalt Eine Data-Mining-Aufgabe — 273 Die Aufgabe — 273 Das Problem — 274 Die Daten — 276 10.3 Datenvorbereitung----- 282 10.4 Experimente — 284 10.5 К-Nearest Neighbour — 286 10.5.1 Naive Bayes — 289 10.5.2 10.5.3 Entscheidungsbaumverfahren----- 291 10.5.4 Neuronale Netze — 295 10.6 Auswertung der Ergebnisse----- 302 10 10.1 10.2 A A.l A.2 A.3 A.4 Anhang - Beispieldaten — 305 Iris-Daten----- 305 Sojabohnen — 307 Wetter-Daten — 308 Kontaktlinsen-Daten — 310 Literatur — 313 Stichwortverzeichnis — 317 Data Mining liefert Methoden und Algorithmen, um bisher unbekannte Zusam menhänge in großen Datenmengen zu entdecken. Das Buch deckt den Stoff einer einsemestrigen Vorlesung an Universitäten oder Fachhochschulen ab und ist als klassisches Lehrbuch konzipiert. Es bietet eine Einführung in die wesentlichen Anwendungsgebiete und behandelt die zugehörigen Algorithmen. Die Beispiele und Aufgaben können mit frei verfügbaren Werkzeugen bearbeitet werden. Die dritte Auflage enthält inhaltliche Erweiterungen und Aktualisierungen, insbe sondere die Einordnung des Themas Data Mining in den Kontext der Begriffe KI, Big Data, Data Science, Machine Learning. ► viele Beispiele und Übungsaufgaben » aktualisierte und neue Inhalte ► Einordnung in die Themen KI, Big Data, Data Science, Machine Learning ► erfahrene Autoren
any_adam_object	1
any_adam_object_boolean	1
author	Cleve, Jürgen 1957- Lämmel, Uwe 1956-
author_GND	(DE-588)136387365 (DE-588)111061334
author_facet	Cleve, Jürgen 1957- Lämmel, Uwe 1956-
author_role	aut aut
author_sort	Cleve, Jürgen 1957-
author_variant	j c jc u l ul
building	Verbundindex
bvnumber	BV046940024
classification_rvk	QP 345 ST 270 ST 530
classification_tum	DAT 600
ctrlnum	(OCoLC)1112239990 (DE-599)DNB119258189X
discipline	Informatik Wirtschaftswissenschaften
discipline_str_mv	Informatik Wirtschaftswissenschaften
edition	3. Auflage
format	Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a22000008c 4500</leader><controlfield tag="001">BV046940024</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20220125</controlfield><controlfield tag="007">t\|</controlfield><controlfield tag="008">201014s2020 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">19,N33</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">119258189X</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783110676235</subfield><subfield code="c">kart. : EUR 44.95 (DE), EUR 44.95 (AT)</subfield><subfield code="9">978-3-11-067623-5</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3110676230</subfield><subfield code="9">3-11-067623-0</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783110676235</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1112239990</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB119258189X</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-BE</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-860</subfield><subfield code="a">DE-91G</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-1046</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-1051</subfield><subfield code="a">DE-1050</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-12</subfield><subfield code="a">DE-525</subfield><subfield code="a">DE-384</subfield><subfield code="a">DE-521</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-19</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">ST 270</subfield><subfield code="0">(DE-625)143638:</subfield><subfield code="2">rvk</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">004</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">650</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 600</subfield><subfield code="2">stub</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Cleve, Jürgen</subfield><subfield code="d">1957-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)136387365</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Data Mining</subfield><subfield code="c">Jürgen Cleve, Uwe Lämmel</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">3. Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Berlin ; Boston</subfield><subfield code="b">De Gruyter</subfield><subfield code="c">[2020]</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XII, 320 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield><subfield code="c">17 cm x 24 cm, 578 g</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="0" ind2=" "><subfield code="a">De Gruyter Studium</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="653" ind1=" " ind2=" "><subfield code="a">Data Mining</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Big Data</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">TB: Textbook</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">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Lämmel, Uwe</subfield><subfield code="d">1956-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)111061334</subfield><subfield code="4">aut</subfield></datafield><datafield tag="710" ind1="2" ind2=" "><subfield code="a">Walter de Gruyter GmbH & Co. KG</subfield><subfield code="0">(DE-588)10095502-2</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, PDF</subfield><subfield code="z">978-3-11-067627-3</subfield><subfield code="w">(DE-604)BV046950603</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">978-3-11-067729-4</subfield></datafield><datafield tag="787" ind1="0" ind2="8"><subfield code="i">Überarbeitung von</subfield><subfield code="b">2. Auflage</subfield><subfield code="d">2016</subfield><subfield code="z">978-3-11-045675-2</subfield><subfield code="w">(DE-604)BV043486017</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">X:MVB</subfield><subfield code="u">http://www.degruyter.com/search?f_0=isbnissn&q_0=9783110676235&searchTitles=true</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">Digitalisierung UB Regensburg - ADAM Catalogue Enrichment</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032348763&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">Digitalisierung UB Regensburg - ADAM Catalogue Enrichment</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032348763&sequence=000003&line_number=0002&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Klappentext</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-032348763</subfield></datafield></record></collection>
genre	(DE-588)4123623-3 Lehrbuch gnd-content
genre_facet	Lehrbuch
id	DE-604.BV046940024
illustrated	Illustrated
index_date	2024-07-03T15:37:47Z
indexdate	2024-12-12T11:02:16Z
institution	BVB
institution_GND	(DE-588)10095502-2
isbn	9783110676235 3110676230
language	German
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-032348763
oclc_num	1112239990
open_access_boolean
owner	DE-860 DE-91G DE-BY-TUM DE-1102 DE-1046 DE-706 DE-20 DE-Aug4 DE-1051 DE-1050 DE-703 DE-859 DE-12 DE-525 DE-384 DE-521 DE-355 DE-BY-UBR DE-19 DE-BY-UBM
owner_facet	DE-860 DE-91G DE-BY-TUM DE-1102 DE-1046 DE-706 DE-20 DE-Aug4 DE-1051 DE-1050 DE-703 DE-859 DE-12 DE-525 DE-384 DE-521 DE-355 DE-BY-UBR DE-19 DE-BY-UBM
physical	XII, 320 Seiten Illustrationen, Diagramme 17 cm x 24 cm, 578 g
publishDate	2020
publishDateSearch	2020
publishDateSort	2020
publisher	De Gruyter
record_format	marc
series2	De Gruyter Studium
spelling	Cleve, Jürgen 1957- Verfasser (DE-588)136387365 aut Data Mining Jürgen Cleve, Uwe Lämmel 3. Auflage Berlin ; Boston De Gruyter [2020] XII, 320 Seiten Illustrationen, Diagramme 17 cm x 24 cm, 578 g txt rdacontent n rdamedia nc rdacarrier De Gruyter Studium Data Mining (DE-588)4428654-5 gnd rswk-swf Data Mining Big Data TB: Textbook (DE-588)4123623-3 Lehrbuch gnd-content Data Mining (DE-588)4428654-5 s DE-604 Lämmel, Uwe 1956- Verfasser (DE-588)111061334 aut Walter de Gruyter GmbH & Co. KG (DE-588)10095502-2 pbl Erscheint auch als Online-Ausgabe, PDF 978-3-11-067627-3 (DE-604)BV046950603 Erscheint auch als Online-Ausgabe, EPUB 978-3-11-067729-4 Überarbeitung von 2. Auflage 2016 978-3-11-045675-2 (DE-604)BV043486017 X:MVB http://www.degruyter.com/search?f_0=isbnissn&q_0=9783110676235&searchTitles=true Digitalisierung UB Regensburg - ADAM Catalogue Enrichment application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032348763&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis Digitalisierung UB Regensburg - ADAM Catalogue Enrichment application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032348763&sequence=000003&line_number=0002&func_code=DB_RECORDS&service_type=MEDIA Klappentext
spellingShingle	Cleve, Jürgen 1957- Lämmel, Uwe 1956- Data Mining Data Mining (DE-588)4428654-5 gnd
subject_GND	(DE-588)4428654-5 (DE-588)4123623-3
title	Data Mining
title_auth	Data Mining
title_exact_search	Data Mining
title_exact_search_txtP	Data Mining
title_full	Data Mining Jürgen Cleve, Uwe Lämmel
title_fullStr	Data Mining Jürgen Cleve, Uwe Lämmel
title_full_unstemmed	Data Mining Jürgen Cleve, Uwe Lämmel
title_short	Data Mining
title_sort	data mining
topic	Data Mining (DE-588)4428654-5 gnd
topic_facet	Data Mining Lehrbuch
url	http://www.degruyter.com/search?f_0=isbnissn&q_0=9783110676235&searchTitles=true http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032348763&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032348763&sequence=000003&line_number=0002&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT clevejurgen datamining AT lammeluwe datamining AT walterdegruytergmbhcokg datamining

Holdings

There is no print copy available.

Interlibrary loan Place Request Caution: Not in THWS collection! Indexes

MARC

Record in the Search Index

There is no print copy available.

Similar Items