Verfügbarkeit: Maschinelles Lernen

Maschinelles Lernen: Grundlagen und Algorithmen in Python

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Frochte, Jörg 1975- (VerfasserIn)
Format:	Buch
Sprache:	German
Veröffentlicht:	München Hanser [2021]
Ausgabe:	3., überarbeitete und erweiterte Auflage
Schlagworte:	Künstliche Intelligenz Maschinelles Lernen Algorithmus Data Mining Python 3.0 Neuronales Netz Programmbibliothek artificial intelligence basics artificial intelligence machine learning künstliche intelligenz ai künstliche intelligenz programmieren künstliche intelligenz verstehen machine learning book machine learning python maschinelles lernen anfänger maschinelles lernen grundlagen maschinelles lernen python selbstlernende ki selbstlernende systeme FBITANGE: Angewandte Informatik FBITARCH: Softwarearchitektur FBITPRAL: Programmierung allgemein FBITSONS: Andere Programmiersprachen FBLEHR: Lehrbuch INF2021
Online-Zugang:	Inhaltsverzeichnis
Beschreibung:	Enthält Codes für die E-Book-Ausgabe und digitale Zusatzinhalte
Beschreibung:	608 Seiten Illustrationen, Diagramme
ISBN:	9783446461444 3446461442

Internformat

MARC


LEADER	00000nam a22000008c 4500
001	BV047059895
003	DE-604
005	20210315
007	t
008	201211s2021 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 20,N43 \|2 dnb
016	7		\|a 1219591947 \|2 DE-101
020			\|a 9783446461444 \|c : EUR 39.99 (DE), EUR 41.20 (AT) \|9 978-3-446-46144-4
020			\|a 3446461442 \|9 3-446-46144-2
028	5	2	\|a Bestellnummer: 553/46144
035			\|a (OCoLC)1228899589
035			\|a (DE-599)DNB1219591947
040			\|a DE-604 \|b ger \|e rda
041	0		\|a ger
044			\|a gw \|c XA-DE-BY
049			\|a DE-92 \|a DE-210 \|a DE-523 \|a DE-29T \|a DE-859 \|a DE-1046 \|a DE-11 \|a DE-521 \|a DE-20 \|a DE-91 \|a DE-703 \|a DE-860 \|a DE-19 \|a DE-12 \|a DE-188 \|a DE-858 \|a DE-M158 \|a DE-355 \|a DE-861 \|a DE-473 \|a DE-83 \|a DE-1051
084			\|a ST 250 \|0 (DE-625)143626: \|2 rvk
084			\|a ST 300 \|0 (DE-625)143650: \|2 rvk
084			\|a ST 302 \|0 (DE-625)143652: \|2 rvk
084			\|8 1\p \|a 620 \|2 23sdnb
100	1		\|a Frochte, Jörg \|d 1975- \|e Verfasser \|0 (DE-588)173809782 \|4 aut
245	1	0	\|a Maschinelles Lernen \|b Grundlagen und Algorithmen in Python \|c Jörg Frochte
250			\|a 3., überarbeitete und erweiterte Auflage
264		1	\|a München \|b Hanser \|c [2021]
264		4	\|c © 2021
300			\|a 608 Seiten \|b Illustrationen, Diagramme
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
500			\|a Enthält Codes für die E-Book-Ausgabe und digitale Zusatzinhalte
650	0	7	\|a Künstliche Intelligenz \|0 (DE-588)4033447-8 \|2 gnd \|9 rswk-swf
650	0	7	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Algorithmus \|0 (DE-588)4001183-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Data Mining \|0 (DE-588)4428654-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Python 3.0 \|0 (DE-588)7624871-9 \|2 gnd \|9 rswk-swf
650	0	7	\|a Neuronales Netz \|0 (DE-588)4226127-2 \|2 gnd \|9 rswk-swf
650	0	7	\|a Programmbibliothek \|0 (DE-588)4121521-7 \|2 gnd \|9 rswk-swf
653			\|a artificial intelligence basics
653			\|a artificial intelligence machine learning
653			\|a künstliche intelligenz ai
653			\|a künstliche intelligenz programmieren
653			\|a künstliche intelligenz verstehen
653			\|a machine learning book
653			\|a machine learning python
653			\|a maschinelles lernen anfänger
653			\|a maschinelles lernen grundlagen
653			\|a maschinelles lernen python
653			\|a selbstlernende ki
653			\|a selbstlernende systeme
653			\|a FBITANGE: Angewandte Informatik
653			\|a FBITARCH: Softwarearchitektur
653			\|a FBITPRAL: Programmierung allgemein
653			\|a FBITSONS: Andere Programmiersprachen
653			\|a FBLEHR: Lehrbuch
653			\|a INF2021
689	0	0	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|D s
689	0	1	\|a Künstliche Intelligenz \|0 (DE-588)4033447-8 \|D s
689	0	2	\|a Algorithmus \|0 (DE-588)4001183-5 \|D s
689	0	3	\|a Python 3.0 \|0 (DE-588)7624871-9 \|D s
689	0	4	\|a Programmbibliothek \|0 (DE-588)4121521-7 \|D s
689	0	5	\|a Neuronales Netz \|0 (DE-588)4226127-2 \|D s
689	0	6	\|a Data Mining \|0 (DE-588)4428654-5 \|D s
689	0		\|5 DE-604
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe \|z 978-3-446-46355-4
780	0	0	\|i Vorangegangen ist \|b 2. Auflage \|d 2019 \|z 978-3-446-45996-0
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=032467084&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
999			\|a oai:aleph.bib-bvb.de:BVB01-032467084
883	1		\|8 1\p \|a vlb \|d 20201014 \|q DE-101 \|u https://d-nb.info/provenance/plan#vlb

Datensatz im Suchindex

_version_	1804182054237110272
adam_text	INHALT Q EINLEITUNG ........................................................................................ 9 Q MASCHINELLES LERNEN - UEBERBLICK UND ABGRENZUNG ...................... 14 2.1 LERNEN, WAS BEDEUTET DAS EIGENTLICH? .................................................................... 14 2.2 KUENSTLICHE INTELLIGENZ, DATA MINING UND KNOWLEDGE DISCOVERY IN DATABASES .... 15 2.3 STRUKTURIERTE UND UNSTRUKTURIERTE DATEN IN BIG UND SMALL .................................. 18 2.4 UEBERWACHTES, UNUEBERWACHTES UND BESTAERKENDES LERNEN ................................... 21 2.5 WERKZEUGE UND RESSOURCEN ................................................................................... 27 2.6 ANFORDERUNGEN IM PRAKTISCHEN EINSATZ ................................................................ 28 Q PYTHON, NUMPY, SCIPY UND MATPLOTLIB - IN A NUTSHELL .................. 38 3.1 INSTALLATION MITTELS ANACONDA UND DIE SPYDER-IDE .............................................. 38 3.2 PYTHON-GRUNDLAGEN ............................................................................................... 41 3.3 MATRIZEN UND ARRAYS IN NUMPY ............................................................................. 51 3.4 INTERPOLATION UND EXTRAPOLATION VON FUNKTIONEN MIT SCIPY ............................... 63 3.5 DATEN AUS TEXTDATEIEN LADEN UND SPEICHERN ......................................................... 69 3.6 VISUALISIEREN MIT DER MATPLOTLIB ............................................................................ 70 3.7 PERFORMANCE-PROBLEME UND VEKTORISIERUNG ......................................................... 74 Q STATISTISCHE GRUNDLAGEN UND BAYES-KLASSIFIKATOR ........................ 78 4.1 EINIGE GRUNDBEGRIFFE DER STATISTIK ......................................................................... 78 4.2 SATZ VON BAYES UND SKALENNIVEAUS ........................................................................ 80 4.3 BAYES-KLASSIFIKATOR, VERTEILUNGEN UND UNABHAENGIGKEIT ....................................... 86 Q LINEARE MODELLE UND LAZY LEARNING .............................................. 100 5.1 VEKTORRAEUME, METRIKEN UND NORMEN .................................................................... 100 5.2 METHODE DER KLEINSTEN QUADRATE ZUR REGRESSION .................................................. 114 5.3 DER FLUCH DER DIMENSIONALITAET ............................................................................. 121 5.4 K-NEAREST-NEIGHBOR-ALGORITHMUS ......................................................................... 122 6 INHALT Q ENTSCHEIDUNGSBAEUME .................................................................... 129 6.1 BAEUME ALS DATENSTRUKTUR ....................................................................................... 129 6.2 KLASSIFIKATIONSBAEUME FUER NOMINALE MERKMALE MIT DEM ID3-ALGORITHMUS .......... 134 6.3 KLASSIFIKATIONS- UND REGRESSIONSBAEUME FUER QUANTITATIVE MERKMALE ................... 148 6.4 OVERFITTING UND PRUNING ........................................................................................ 162 Q EIN- UND MEHRSCHICHTIGE FEEDFORWARD-NETZE ................................ 168 7.1 EINLAGIGES PERZEPTRON UND HEBBSCHE LERNREGEL ................................................... 169 7.2 MULTILAYER PERCEPTRON UND GRADIENTENVERFAHREN ................................................. 176 7.3 KLASSIFIKATION UND ONE-HOT-CODIERUNG ................................................................ 196 7.4 AUSLEGUNG, LERNSTEUERUNG UND OVERFITTING ........................................................... 198 Q DEEP NEURAL NETWORKS MIT KERAS ................................................... 219 8.1 SEQUENTIAL MODEL VON KERAS................................................................................... 220 8.2 VERSCHWINDENDER GRADIENT UND WEITERE AKTIVIERUNGSFUNKTIONEN ....................... 226 8.3 INITIALISIERUNG UND BATCH NORMALIZATION ............................................................... 229 8.4 LOSS-FUNCTION UND OPTIMIERUNGSALGORITHMEN ..................................................... 238 8.5 OVERFITTING UND REGULARISIERUNGSTECHNIKEN ......................................................... 255 Q FEATURE-ENGINEERING UND DATENANALYSE ........................................ 264 9.1 PANDAS IN A NUTSHELL ............................................................................................... 264 9.2 AUFBEREITUNG VON DATEN UND IMPUTER ................................................................... 274 9.3 FEATUREAUSWAHL ...................................................................................................... 289 9.4 HAUPTKOMPONENTENANALYSE (PCA) ....................................................................... 302 9.5 AUTOENCODER ........................................................................................................... 313 9.6 ALEATORISCHE UND EPISTEMISCHE UNSICHERHEITEN .................................................... 319 9.7 UMGANG MIT UNBALANCIERTEN DATENBESTAENDEN ..................................................... 325 10 329 . 329 , 335 342 ENSEMBLE LEARNING MITTELS BAGGING UND BOOSTING 10.1 BAGGING UND RANDOM FOREST .................................................... 10.2 FEATURE IMPORTANCE MITTELS RANDOM FOREST ........................... 10.3 GRADIENT BOOSTING .................................................................... QQCONVOLUTIONAL NEURAL NETWORKS MIT KERAS ......................... 352 11.1 GRUNDLAGEN UND EINDIMENSIONALE CONVOLUTIONAL NEURAL NETWORKS ................... 353 11.2 CONVOLUTIONAL NEURAL NETWORKS FUER BILDER ............................................................ 365 11.3 DATA AUGMENTATION UND FLOW-VERARBEITUNG ......................................................... 378 11.4 CLASS ACTIVATION MAPS UND GRAD-CAM ................................................................. 383 11.5 TRANSFER LEARNING ................................................................................................... 393 11.6 AUSBLICKE CONTINUAL LEARNING UND OBJECT DETECTION .......................................... 401 INHALT 7 12 SUPPORT VECTOR MACHINES 405 12.1 OPTIMALE SEPARATION ........................................................................................... 405 12.2 SOFT-MARGIN FUER NICHT-LINEAR SEPARIERBARE KLASSEN 411 12.3 KERNEL-ANSAETZE 412 12.4 SVM IN SCIKIT-LEARN 418 13 CLUSTERING-VERFAHREN 425 13.1 K-MEANS UND K-MEANS++ 429 13.2 FUZZY-C-MEANS ...................................................................................................... 434 13.3 DICHTE-BASIERTE CLUSTER-ANALYSE MIT DBSCAN 438 13.4 HIERARCHISCHE CLUSTERANALYSE 445 13.5 EVALUIERUNG VON CLUSTERN UND PRAXISBEISPIEL CLUSTERN VON LAENDERN 452 13.6 SCHLECHT GESTELLTE PROBLEME UND CLUSTERVERFAHREN 469 14 GRUNDLAGEN DES BESTAERKENDEN LERNENS 481 14.1 SOFTWARE-AGENTEN UND IHRE UMGEBUNG ................................................................ 481 14.2 MARKOW-ENTSCHEIDUNGSPROBLEM 484 14.3 Q-LEARNING 492 14.4 UNVOLLSTAENDIGE INFORMATIONEN UND SOFTMAX 506 14.5 DER SARSA-ALGORITHMUS 514 15 FORTGESCHRITTENE THEMEN DES BESTAERKENDEN LERNENS 519 15.1 EXPERIENCE REPLAY UND BATCH REINFORCEMENT LEARNING ....................................... 522 15.2 Q-LEARNING MIT NEURONALEN NETZEN 538 15.3 DOUBLE Q-LEARNING 545 15.4 CREDIT ASSIGNMENT UND BELOHNUNGEN IN ENDLICHEN SPIELEN 552 15.5 INVERSE REINFORCEMENT LEARNING 559 15.6 DEEP Q-LEARNING 561 15.7 HIERARCHICAL REINFORCEMENT LEARNING 577 15.8 MODEL-BASED REINFORCEMENT LEARNING 582 15.9 MULTI-AGENTEN-SZENARIEN 586 LITERATUR 591 INDEX 601
adam_txt	INHALT Q EINLEITUNG . 9 Q MASCHINELLES LERNEN - UEBERBLICK UND ABGRENZUNG . 14 2.1 LERNEN, WAS BEDEUTET DAS EIGENTLICH? . 14 2.2 KUENSTLICHE INTELLIGENZ, DATA MINING UND KNOWLEDGE DISCOVERY IN DATABASES . 15 2.3 STRUKTURIERTE UND UNSTRUKTURIERTE DATEN IN BIG UND SMALL . 18 2.4 UEBERWACHTES, UNUEBERWACHTES UND BESTAERKENDES LERNEN . 21 2.5 WERKZEUGE UND RESSOURCEN . 27 2.6 ANFORDERUNGEN IM PRAKTISCHEN EINSATZ . 28 Q PYTHON, NUMPY, SCIPY UND MATPLOTLIB - IN A NUTSHELL . 38 3.1 INSTALLATION MITTELS ANACONDA UND DIE SPYDER-IDE . 38 3.2 PYTHON-GRUNDLAGEN . 41 3.3 MATRIZEN UND ARRAYS IN NUMPY . 51 3.4 INTERPOLATION UND EXTRAPOLATION VON FUNKTIONEN MIT SCIPY . 63 3.5 DATEN AUS TEXTDATEIEN LADEN UND SPEICHERN . 69 3.6 VISUALISIEREN MIT DER MATPLOTLIB . 70 3.7 PERFORMANCE-PROBLEME UND VEKTORISIERUNG . 74 Q STATISTISCHE GRUNDLAGEN UND BAYES-KLASSIFIKATOR . 78 4.1 EINIGE GRUNDBEGRIFFE DER STATISTIK . 78 4.2 SATZ VON BAYES UND SKALENNIVEAUS . 80 4.3 BAYES-KLASSIFIKATOR, VERTEILUNGEN UND UNABHAENGIGKEIT . 86 Q LINEARE MODELLE UND LAZY LEARNING . 100 5.1 VEKTORRAEUME, METRIKEN UND NORMEN . 100 5.2 METHODE DER KLEINSTEN QUADRATE ZUR REGRESSION . 114 5.3 DER FLUCH DER DIMENSIONALITAET . 121 5.4 K-NEAREST-NEIGHBOR-ALGORITHMUS . 122 6 INHALT Q ENTSCHEIDUNGSBAEUME . 129 6.1 BAEUME ALS DATENSTRUKTUR . 129 6.2 KLASSIFIKATIONSBAEUME FUER NOMINALE MERKMALE MIT DEM ID3-ALGORITHMUS . 134 6.3 KLASSIFIKATIONS- UND REGRESSIONSBAEUME FUER QUANTITATIVE MERKMALE . 148 6.4 OVERFITTING UND PRUNING . 162 Q EIN- UND MEHRSCHICHTIGE FEEDFORWARD-NETZE . 168 7.1 EINLAGIGES PERZEPTRON UND HEBBSCHE LERNREGEL . 169 7.2 MULTILAYER PERCEPTRON UND GRADIENTENVERFAHREN . 176 7.3 KLASSIFIKATION UND ONE-HOT-CODIERUNG . 196 7.4 AUSLEGUNG, LERNSTEUERUNG UND OVERFITTING . 198 Q DEEP NEURAL NETWORKS MIT KERAS . 219 8.1 SEQUENTIAL MODEL VON KERAS. 220 8.2 VERSCHWINDENDER GRADIENT UND WEITERE AKTIVIERUNGSFUNKTIONEN . 226 8.3 INITIALISIERUNG UND BATCH NORMALIZATION . 229 8.4 LOSS-FUNCTION UND OPTIMIERUNGSALGORITHMEN . 238 8.5 OVERFITTING UND REGULARISIERUNGSTECHNIKEN . 255 Q FEATURE-ENGINEERING UND DATENANALYSE . 264 9.1 PANDAS IN A NUTSHELL . 264 9.2 AUFBEREITUNG VON DATEN UND IMPUTER . 274 9.3 FEATUREAUSWAHL . 289 9.4 HAUPTKOMPONENTENANALYSE (PCA) . 302 9.5 AUTOENCODER . 313 9.6 ALEATORISCHE UND EPISTEMISCHE UNSICHERHEITEN . 319 9.7 UMGANG MIT UNBALANCIERTEN DATENBESTAENDEN . 325 10 329 . 329 , 335 342 ENSEMBLE LEARNING MITTELS BAGGING UND BOOSTING 10.1 BAGGING UND RANDOM FOREST . 10.2 FEATURE IMPORTANCE MITTELS RANDOM FOREST . 10.3 GRADIENT BOOSTING . QQCONVOLUTIONAL NEURAL NETWORKS MIT KERAS . 352 11.1 GRUNDLAGEN UND EINDIMENSIONALE CONVOLUTIONAL NEURAL NETWORKS . 353 11.2 CONVOLUTIONAL NEURAL NETWORKS FUER BILDER . 365 11.3 DATA AUGMENTATION UND FLOW-VERARBEITUNG . 378 11.4 CLASS ACTIVATION MAPS UND GRAD-CAM . 383 11.5 TRANSFER LEARNING . 393 11.6 AUSBLICKE CONTINUAL LEARNING UND OBJECT DETECTION . 401 INHALT 7 12 SUPPORT VECTOR MACHINES 405 12.1 OPTIMALE SEPARATION . 405 12.2 SOFT-MARGIN FUER NICHT-LINEAR SEPARIERBARE KLASSEN 411 12.3 KERNEL-ANSAETZE 412 12.4 SVM IN SCIKIT-LEARN 418 13 CLUSTERING-VERFAHREN 425 13.1 K-MEANS UND K-MEANS++ 429 13.2 FUZZY-C-MEANS . 434 13.3 DICHTE-BASIERTE CLUSTER-ANALYSE MIT DBSCAN 438 13.4 HIERARCHISCHE CLUSTERANALYSE 445 13.5 EVALUIERUNG VON CLUSTERN UND PRAXISBEISPIEL CLUSTERN VON LAENDERN 452 13.6 SCHLECHT GESTELLTE PROBLEME UND CLUSTERVERFAHREN 469 14 GRUNDLAGEN DES BESTAERKENDEN LERNENS 481 14.1 SOFTWARE-AGENTEN UND IHRE UMGEBUNG . 481 14.2 MARKOW-ENTSCHEIDUNGSPROBLEM 484 14.3 Q-LEARNING 492 14.4 UNVOLLSTAENDIGE INFORMATIONEN UND SOFTMAX 506 14.5 DER SARSA-ALGORITHMUS 514 15 FORTGESCHRITTENE THEMEN DES BESTAERKENDEN LERNENS 519 15.1 EXPERIENCE REPLAY UND BATCH REINFORCEMENT LEARNING . 522 15.2 Q-LEARNING MIT NEURONALEN NETZEN 538 15.3 DOUBLE Q-LEARNING 545 15.4 CREDIT ASSIGNMENT UND BELOHNUNGEN IN ENDLICHEN SPIELEN 552 15.5 INVERSE REINFORCEMENT LEARNING 559 15.6 DEEP Q-LEARNING 561 15.7 HIERARCHICAL REINFORCEMENT LEARNING 577 15.8 MODEL-BASED REINFORCEMENT LEARNING 582 15.9 MULTI-AGENTEN-SZENARIEN 586 LITERATUR 591 INDEX 601
any_adam_object	1
any_adam_object_boolean	1
author	Frochte, Jörg 1975-
author_GND	(DE-588)173809782
author_facet	Frochte, Jörg 1975-
author_role	aut
author_sort	Frochte, Jörg 1975-
author_variant	j f jf
building	Verbundindex
bvnumber	BV047059895
classification_rvk	ST 250 ST 300 ST 302
ctrlnum	(OCoLC)1228899589 (DE-599)DNB1219591947
discipline	Informatik
discipline_str_mv	Informatik
edition	3., überarbeitete und erweiterte Auflage
format	Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>03597nam a22008418c 4500</leader><controlfield tag="001">BV047059895</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20210315 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">201211s2021 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">20,N43</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1219591947</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783446461444</subfield><subfield code="c">: EUR 39.99 (DE), EUR 41.20 (AT)</subfield><subfield code="9">978-3-446-46144-4</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3446461442</subfield><subfield code="9">3-446-46144-2</subfield></datafield><datafield tag="028" ind1="5" ind2="2"><subfield code="a">Bestellnummer: 553/46144</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1228899589</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1219591947</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-BY</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-92</subfield><subfield code="a">DE-210</subfield><subfield code="a">DE-523</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-1046</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-521</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-91</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-19</subfield><subfield code="a">DE-12</subfield><subfield code="a">DE-188</subfield><subfield code="a">DE-858</subfield><subfield code="a">DE-M158</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-861</subfield><subfield code="a">DE-473</subfield><subfield code="a">DE-83</subfield><subfield code="a">DE-1051</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 300</subfield><subfield code="0">(DE-625)143650:</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="8">1\p</subfield><subfield code="a">620</subfield><subfield code="2">23sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Frochte, Jörg</subfield><subfield code="d">1975-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)173809782</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Maschinelles Lernen</subfield><subfield code="b">Grundlagen und Algorithmen in Python</subfield><subfield code="c">Jörg Frochte</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">3., überarbeitete und erweiterte Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">München</subfield><subfield code="b">Hanser</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">608 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">Enthält Codes für die E-Book-Ausgabe und digitale Zusatzinhalte</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Künstliche Intelligenz</subfield><subfield code="0">(DE-588)4033447-8</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="650" ind1="0" ind2="7"><subfield code="a">Algorithmus</subfield><subfield code="0">(DE-588)4001183-5</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="650" ind1="0" ind2="7"><subfield code="a">Python 3.0</subfield><subfield code="0">(DE-588)7624871-9</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Neuronales Netz</subfield><subfield code="0">(DE-588)4226127-2</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Programmbibliothek</subfield><subfield code="0">(DE-588)4121521-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">artificial intelligence basics</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">artificial intelligence machine learning</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">künstliche intelligenz ai</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">künstliche intelligenz programmieren</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">künstliche intelligenz verstehen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">machine learning book</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">machine learning python</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">maschinelles lernen anfänger</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">maschinelles lernen grundlagen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">maschinelles lernen python</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">selbstlernende ki</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">selbstlernende systeme</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">FBITANGE: Angewandte Informatik</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">FBITARCH: Softwarearchitektur</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">FBITPRAL: Programmierung allgemein</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">FBITSONS: Andere Programmiersprachen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">FBLEHR: Lehrbuch</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">INF2021</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">Künstliche Intelligenz</subfield><subfield code="0">(DE-588)4033447-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Algorithmus</subfield><subfield code="0">(DE-588)4001183-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="3"><subfield code="a">Python 3.0</subfield><subfield code="0">(DE-588)7624871-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="4"><subfield code="a">Programmbibliothek</subfield><subfield code="0">(DE-588)4121521-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="5"><subfield code="a">Neuronales Netz</subfield><subfield code="0">(DE-588)4226127-2</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="6"><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="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe</subfield><subfield code="z">978-3-446-46355-4</subfield></datafield><datafield tag="780" ind1="0" ind2="0"><subfield code="i">Vorangegangen ist</subfield><subfield code="b">2. Auflage</subfield><subfield code="d">2019</subfield><subfield code="z">978-3-446-45996-0</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=032467084&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:BVB01-032467084</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">vlb</subfield><subfield code="d">20201014</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#vlb</subfield></datafield></record></collection>
id	DE-604.BV047059895
illustrated	Illustrated
index_date	2024-07-03T16:11:12Z
indexdate	2024-07-10T09:01:27Z
institution	BVB
isbn	9783446461444 3446461442
language	German
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-032467084
oclc_num	1228899589
open_access_boolean
owner	DE-92 DE-210 DE-523 DE-29T DE-859 DE-1046 DE-11 DE-521 DE-20 DE-91 DE-BY-TUM DE-703 DE-860 DE-19 DE-BY-UBM DE-12 DE-188 DE-858 DE-M158 DE-355 DE-BY-UBR DE-861 DE-473 DE-BY-UBG DE-83 DE-1051
owner_facet	DE-92 DE-210 DE-523 DE-29T DE-859 DE-1046 DE-11 DE-521 DE-20 DE-91 DE-BY-TUM DE-703 DE-860 DE-19 DE-BY-UBM DE-12 DE-188 DE-858 DE-M158 DE-355 DE-BY-UBR DE-861 DE-473 DE-BY-UBG DE-83 DE-1051
physical	608 Seiten Illustrationen, Diagramme
publishDate	2021
publishDateSearch	2021
publishDateSort	2021
publisher	Hanser
record_format	marc
spelling	Frochte, Jörg 1975- Verfasser (DE-588)173809782 aut Maschinelles Lernen Grundlagen und Algorithmen in Python Jörg Frochte 3., überarbeitete und erweiterte Auflage München Hanser [2021] © 2021 608 Seiten Illustrationen, Diagramme txt rdacontent n rdamedia nc rdacarrier Enthält Codes für die E-Book-Ausgabe und digitale Zusatzinhalte Künstliche Intelligenz (DE-588)4033447-8 gnd rswk-swf Maschinelles Lernen (DE-588)4193754-5 gnd rswk-swf Algorithmus (DE-588)4001183-5 gnd rswk-swf Data Mining (DE-588)4428654-5 gnd rswk-swf Python 3.0 (DE-588)7624871-9 gnd rswk-swf Neuronales Netz (DE-588)4226127-2 gnd rswk-swf Programmbibliothek (DE-588)4121521-7 gnd rswk-swf artificial intelligence basics artificial intelligence machine learning künstliche intelligenz ai künstliche intelligenz programmieren künstliche intelligenz verstehen machine learning book machine learning python maschinelles lernen anfänger maschinelles lernen grundlagen maschinelles lernen python selbstlernende ki selbstlernende systeme FBITANGE: Angewandte Informatik FBITARCH: Softwarearchitektur FBITPRAL: Programmierung allgemein FBITSONS: Andere Programmiersprachen FBLEHR: Lehrbuch INF2021 Maschinelles Lernen (DE-588)4193754-5 s Künstliche Intelligenz (DE-588)4033447-8 s Algorithmus (DE-588)4001183-5 s Python 3.0 (DE-588)7624871-9 s Programmbibliothek (DE-588)4121521-7 s Neuronales Netz (DE-588)4226127-2 s Data Mining (DE-588)4428654-5 s DE-604 Erscheint auch als Online-Ausgabe 978-3-446-46355-4 Vorangegangen ist 2. Auflage 2019 978-3-446-45996-0 DNB Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032467084&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis 1\p vlb 20201014 DE-101 https://d-nb.info/provenance/plan#vlb
spellingShingle	Frochte, Jörg 1975- Maschinelles Lernen Grundlagen und Algorithmen in Python Künstliche Intelligenz (DE-588)4033447-8 gnd Maschinelles Lernen (DE-588)4193754-5 gnd Algorithmus (DE-588)4001183-5 gnd Data Mining (DE-588)4428654-5 gnd Python 3.0 (DE-588)7624871-9 gnd Neuronales Netz (DE-588)4226127-2 gnd Programmbibliothek (DE-588)4121521-7 gnd
subject_GND	(DE-588)4033447-8 (DE-588)4193754-5 (DE-588)4001183-5 (DE-588)4428654-5 (DE-588)7624871-9 (DE-588)4226127-2 (DE-588)4121521-7
title	Maschinelles Lernen Grundlagen und Algorithmen in Python
title_auth	Maschinelles Lernen Grundlagen und Algorithmen in Python
title_exact_search	Maschinelles Lernen Grundlagen und Algorithmen in Python
title_exact_search_txtP	Maschinelles Lernen Grundlagen und Algorithmen in Python
title_full	Maschinelles Lernen Grundlagen und Algorithmen in Python Jörg Frochte
title_fullStr	Maschinelles Lernen Grundlagen und Algorithmen in Python Jörg Frochte
title_full_unstemmed	Maschinelles Lernen Grundlagen und Algorithmen in Python Jörg Frochte
title_short	Maschinelles Lernen
title_sort	maschinelles lernen grundlagen und algorithmen in python
title_sub	Grundlagen und Algorithmen in Python
topic	Künstliche Intelligenz (DE-588)4033447-8 gnd Maschinelles Lernen (DE-588)4193754-5 gnd Algorithmus (DE-588)4001183-5 gnd Data Mining (DE-588)4428654-5 gnd Python 3.0 (DE-588)7624871-9 gnd Neuronales Netz (DE-588)4226127-2 gnd Programmbibliothek (DE-588)4121521-7 gnd
topic_facet	Künstliche Intelligenz Maschinelles Lernen Algorithmus Data Mining Python 3.0 Neuronales Netz Programmbibliothek
url	http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=032467084&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT frochtejorg maschinelleslernengrundlagenundalgorithmeninpython

Verfügbarkeit

Es ist kein Print-Exemplar vorhanden.

Fernleihe Bestellen Achtung: Nicht im THWS-Bestand! Inhaltsverzeichnis

MARC

Datensatz im Suchindex

Es ist kein Print-Exemplar vorhanden.

Ähnliche Einträge