Verfügbarkeit: Actuarial data science

Actuarial data science: Maschinelles Lernen in der Versicherung

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Seehafer, Martin 1978- (VerfasserIn), Nörtemann, Stefan 1965- (VerfasserIn), Offtermatt, Jonas 1982- (VerfasserIn), Transchel, Fabian (VerfasserIn), Kiermaier, Axel (VerfasserIn), Külheim, René (VerfasserIn), Weidner, Wiltrud (VerfasserIn)
Format:	Buch
Sprache:	German
Veröffentlicht:	Berlin De Gruyter [2021]
Schriftenreihe:	De Gruyter STEM
Schlagworte:	Versicherungswirtschaft Künstliche Intelligenz Data Science Maschinelles Lernen
Online-Zugang:	https://www.degruyter.com/books/9783110659283 Inhaltsverzeichnis Inhaltsverzeichnis
Beschreibung:	X, 370 Seiten llustrationen 24 cm, 660 g
ISBN:	9783110659283 311065928X

Internformat

MARC


LEADER	00000nam a2200000 c 4500
001	BV048289338
003	DE-604
005	20230116
007	t
008	220617s2021 gw \|\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 20,N39 \|2 dnb
015			\|a 21,A09 \|2 dnb
016	7		\|a 1217861750 \|2 DE-101
020			\|a 9783110659283 \|c Broschur : EUR 39.95 (DE), EUR 399.50 (DE) (freier Sonderpreis: Multiuser eBook price), EUR 39.95 (AT) \|9 978-3-11-065928-3
020			\|a 311065928X \|9 3-11-065928-X
024	3		\|a 9783110659283
035			\|a (OCoLC)1240338199
035			\|a (DE-599)DNB1217861750
040			\|a DE-604 \|b ger \|e rda
041	0		\|a ger
044			\|a gw \|c XA-DE-BE
049			\|a DE-573
082	0		\|a 368.00285631 \|2 23/ger
084			\|a QQ 630 \|0 (DE-625)141989: \|2 rvk
084			\|a ST 300 \|0 (DE-625)143650: \|2 rvk
084			\|8 2\p \|a 004 \|2 23sdnb
084			\|8 1\p \|a 360 \|2 23sdnb
100	1		\|a Seehafer, Martin \|d 1978- \|e Verfasser \|0 (DE-588)138739277 \|4 aut
245	1	0	\|a Actuarial data science \|b Maschinelles Lernen in der Versicherung \|c Martin Seehafer [und 6 weitere]
264		1	\|a Berlin \|b De Gruyter \|c [2021]
300			\|a X, 370 Seiten \|b llustrationen \|c 24 cm, 660 g
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
490	0		\|a De Gruyter STEM
650	0	7	\|a Versicherungswirtschaft \|0 (DE-588)4063206-4 \|2 gnd \|9 rswk-swf
650	0	7	\|a Künstliche Intelligenz \|0 (DE-588)4033447-8 \|2 gnd \|9 rswk-swf
650	0	7	\|a Data Science \|0 (DE-588)1140936166 \|2 gnd \|9 rswk-swf
650	0	7	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|2 gnd \|9 rswk-swf
689	0	0	\|a Versicherungswirtschaft \|0 (DE-588)4063206-4 \|D s
689	0	1	\|a Künstliche Intelligenz \|0 (DE-588)4033447-8 \|D s
689	0	2	\|a Data Science \|0 (DE-588)1140936166 \|D s
689	0	3	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|D s
689	0		\|5 DE-604
700	1		\|a Nörtemann, Stefan \|d 1965- \|e Verfasser \|0 (DE-588)120879239 \|4 aut
700	1		\|a Offtermatt, Jonas \|d 1982- \|e Verfasser \|0 (DE-588)1023559293 \|4 aut
700	1		\|a Transchel, Fabian \|e Verfasser \|4 aut
700	1		\|a Kiermaier, Axel \|e Verfasser \|4 aut
700	1		\|a Külheim, René \|e Verfasser \|4 aut
700	1		\|a Weidner, Wiltrud \|e Verfasser \|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, EPUB \|t Actuarial Data Science \|b 1. Auflage \|z 978-3-11-065951-1 \|d Berlin/Boston : De Gruyter, 2021 \|h Online-Ressource, 380 Seiten, 8 Illustrationen, 86 Illustrationen
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, PDF \|z 978-3-11-065934-4
856	4	2	\|m X:MVB \|u https://www.degruyter.com/books/9783110659283
856	4	2	\|m B:DE-101 \|q application/pdf \|u https://d-nb.info/1217861750/04 \|3 Inhaltsverzeichnis
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=033669372&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
999			\|a oai:aleph.bib-bvb.de:BVB01-033669372
883	2		\|8 1\p \|a dnb \|d 20210226 \|q DE-101 \|u https://d-nb.info/provenance/plan#dnb
883	2		\|8 2\p \|a dnb \|d 20210226 \|q DE-101 \|u https://d-nb.info/provenance/plan#dnb

Datensatz im Suchindex

_version_	1804184121291833344
adam_text	INHALT VORWORT * V 1 ACTUARIAL DATA SCIENCE - BUSINESS CASES * 1 2 CRASHKURS IN DATA MINING ANWENDUNGEN * 5 3 3.1 3.2 3.3 3.4 NEUE VERSICHERUNGSPRODUKTE * 12 INNOVATIVE PRODUKTE * 12 PRODUKTENTWICKLUNG * 14 KOMPETENZ DES DATA SCIENTIST ----- 15 ORGANISATIONSSTRUKTUR * 16 4 4.1 4.1.1 4.1.2 4.1.3 4.2 4.2.1 4.2.2 TOOLS, SPRACHEN, FRAMEWORKS * 19 WEKAUND KNIME ----- 19 WEKA -----20 WEKA-JAVA-LIBRARY ----- 22 KNIME----- 24 PYTHON, R UND JUPYTER NOTEBOOKS ----- 25 REPRODUCIBLE RESEARCH * 27 WEITERE AKTUARIELLE ANWENDUNGEN * 28 5 5.1 5.1.1 5.1.2 5.1.3 5.1.4 5.1.5 5.1.6 5.2 5.2.1 5.2.2 5.2.3 5.2.4 5.3 5.3.1 5.3.2 5.3.3 5.3.4 INFORMATIONSTECHNOLOGIE * 35 ARBEITEN MIT DATEIEN ----- 35 DATENSPEICHERMEDIEN -----36 DATENFORMATE * 36 TABELLARISCHE DATEN * 39 EXCEL - NICHT-TABELLARISCHE DATEN * 41 TEXTDATEIEN * 42 DATENVERSCHLUESSELUNG * 49 ARBEITEN MIT DATEN AUS DEM NETZ * 51 OBJEKT-DARSTELLUNGEN IN JSON ----- 52 DATENABFRAGEN VON WEB-APIS * 55 DATEN AUS WEBSEITEN * 57 DATEN IN AMAZONS S3-OBJECT STORAGE ----- 58 ARBEITEN MIT RELATIONALEN DATENBANKEN * 59 DER NUTZEN VON (RELATIONALEN) DATENBANKEN * 60 OBJEKTE UND OBJEKTTYPEN IN RELATIONALEN DATENBANKEN * 63 DATENBANK-MODELLE: RELATIONALE DATENBANKEN * 68 SQL----- 72 VIII * INHALT 5.3.5 UMSETZUNGIN EINER RELATIONALEN DATENBANK * 74 5.3.6 FORTGESCHRITTENE THEMEN ZU RELATIONALEN DATENBANKEN * 80 5.4 ARBEITEN MIT NO-SQL-DATENBANKEN----- 87 5.4.1 VERTEILTE DATENBANKSYSTEME * 88 5.4.2 CAP THEOREM FUER VERTEILTE SYSTEME * 89 5.4.3 EINSATZ VON NO-SQL ----- 91 5.5 DATENWARENHAEUSER * 107 5.5.1 OPERATIVE UND DISPOSITIVE DATENHALTUNG ----- 107 5.5.2 DATA WAREHOUSES ----- 108 5.5.3 STERNSCHEMA ----- HO 5.5.4 DATA LAKES ----- 111 5.6 SOFTWARETESTS ----- 117 5.7 PARALLELE DATENVERARBEITUNG ----- 122 5.8 MAPREDUCE, HADOOP UND SPARK ----- 132 5.9 CLOUD COMPUTING ----- 144 5.9.1 BEGRIFFE UND KONZEPTE ----- 144 5.9.2 DATA SCIENE ANGEBOTE IN DER CLOUD ----- 146 5.9.3 DEPLOYMENT VON MACHINE LEARNING ALGORITHMEN * 146 5.10 INFORMATIONSVERARBEITUNG IN VERSICHERUNGSUNTERNEHMEN * 154 5.10.1 GESCHAEFTSPROZESSE IN VERSICHERUNGSUNTERNEHMEN * 154 5.10.2 TYPISCHE SYSTEMLANDSCHAFT ----- 157 6 MATHEMATISCHE VERFAHREN * 160 6.1 DATENAUFBEREITUNG * 160 6.1.1 SCHRITTE DER DATENAUFBEREITUNG * 160 6.1.2 FEHLENDE DATEN ----- 168 6.2 DATENVERSTAENDNIS UND -VISUALISIERUNG ----- 176 6.3 KLASSIFIKATIONS- UND REGRESSIONSMETHODEN * 184 6.3.1 MULTIPLE LINEARE REGRESSION * 185 6.3.2 SOLVENZKAPITAL FUER BIOMETRISCHE RISIKEN * 194 6.3.3 BINAERE REGRESSION * 200 6.3.4 GENERALISIERTE ADDITIVE MODELLE (GAM) ----- 205 6.3.5 LINEARE DISKRIMINANZANALYSE (LDA) * 212 6.3.6 K-NEAREST-NEIGHBORS (KNN) ----- 218 6.3.7 NAIVE BAYES ----- 222 6.3.8 ENTSCHEIDUNGSBAEUME ----- 223 6.3.9 RANDOM FORESTS ----- 230 6.3.10 BOOSTING ----- 232 6.3.11 SUPPORT VECTOR MACHINES * 236 6.3.12 KUENSTLICHE NEURONALE NETZE * 240 6.4 CLUSTERMETHODEN ------ 251 6.4.1 CLUSTERBASIERTE BESTANDSVERDICHTUNG (K-MEANS) ----- 252 INHALT * IX 6.4.2 6.4.3 6.5 6.5.1 6.5.2 6.6 6.6.1 6.6.2 6.6.3 6.6.4 6.6.5 6.6.6 6.6.7 6.6.8 6.6.9 6.6.10 6.6.11 HIERARCHISCHE CLUSTERMETHODEN -----258 BESTIMMUNG OPTIMALER ANZAHL VON CLUSTERN ----- 266 DIMENSIONSREDUKTION ----- 271 LINEARE DISKRIMINANZANALYSE (LDA) ----- 272 HAUPTKOMPONENTENANALYSE (PCA) ----- 273 BEWERTUNG VON MODELLEN -----278 TRAININGS-SAMPLING ----- 280 KREUZVALIDIERUNG ----- 282 HYPERPARAMETER-TUNING ----- 283 UMGANG MIT SAMPLING-DISBALANCEN ----- 284 GENERISCHE SKALARE FEHLERMASSE ----- 287 KONFUSIONSMATRIX ----- 288 ROC-KURVEN ----- 290 MARGINALVERTEILUNGSANALYSE ----- 292 LIFTPLOT -----293 LORENZKURVE UND GINI-KOEFFIZIENT ----- 294 REGULARISIERUNG ----- 297 7 KORRELATION UND KAUSALE INFERENZ * 305 8 8.1 8.2 8.3 8.4 8.5 8.6 8.7 DATA MINING * 320 VERBREITETE PROZESSMODELLE * 320 GESCHAEFTSVERSTAENDNIS -----322 DATENVERSTAENDNIS ----- 323 DATENVORBEREITUNG * 325 MODELLIERUNG ----- 327 EVALUIERUNG ----- 328 BEREITSTELLUNG * 331 9 9.1 9.2 9.3 GESELLSCHAFTLICHES UMFELD * 332 KUENSTLICHE INTELLIGENZ ----- 332 DATENSCHUTZ ----- 336 ETHISCHE FRAGEN -----342 A A.L A.1.1 A.1.2 A.2 A.2.1 A.2.2 A.2.3 APPENDIX ----- 346 INSTALLATIONEN * 346 PYTHON ----- 346 R ----- 347 DATENSAETZE ----- 348 AUTOBI ----- 348 SIMULIERTE SCHADENFREQUENZEN IN DER KFZ-VERSICHERUNG * 349 SIMULIERTE VERKAUFSDATEN * 350 X * INHALT A.2.4 SIMULIERTE VERKAUFSEMPFEHLUNGSDATEN * 352 A.2.5 KFZ-BETRUGSERKENNUNG ----- 353 A.2.6 KFZ-TELEMATIK ----- 353 A.3 MARGINALVERTEILUNGSPLOTS * 356 A.4 LIFTPLOTS ----- 358 NACHWORT & DANKSAGUNGEN * 361 LITERATUR * 363 STICHWORTVERZEICHNIS * 369
adam_txt	INHALT VORWORT * V 1 ACTUARIAL DATA SCIENCE - BUSINESS CASES * 1 2 CRASHKURS IN DATA MINING ANWENDUNGEN * 5 3 3.1 3.2 3.3 3.4 NEUE VERSICHERUNGSPRODUKTE * 12 INNOVATIVE PRODUKTE * 12 PRODUKTENTWICKLUNG * 14 KOMPETENZ DES DATA SCIENTIST ----- 15 ORGANISATIONSSTRUKTUR * 16 4 4.1 4.1.1 4.1.2 4.1.3 4.2 4.2.1 4.2.2 TOOLS, SPRACHEN, FRAMEWORKS * 19 WEKAUND KNIME ----- 19 WEKA -----20 WEKA-JAVA-LIBRARY ----- 22 KNIME----- 24 PYTHON, R UND JUPYTER NOTEBOOKS ----- 25 REPRODUCIBLE RESEARCH * 27 WEITERE AKTUARIELLE ANWENDUNGEN * 28 5 5.1 5.1.1 5.1.2 5.1.3 5.1.4 5.1.5 5.1.6 5.2 5.2.1 5.2.2 5.2.3 5.2.4 5.3 5.3.1 5.3.2 5.3.3 5.3.4 INFORMATIONSTECHNOLOGIE * 35 ARBEITEN MIT DATEIEN ----- 35 DATENSPEICHERMEDIEN -----36 DATENFORMATE * 36 TABELLARISCHE DATEN * 39 EXCEL - NICHT-TABELLARISCHE DATEN * 41 TEXTDATEIEN * 42 DATENVERSCHLUESSELUNG * 49 ARBEITEN MIT DATEN AUS DEM NETZ * 51 OBJEKT-DARSTELLUNGEN IN JSON ----- 52 DATENABFRAGEN VON WEB-APIS * 55 DATEN AUS WEBSEITEN * 57 DATEN IN AMAZONS S3-OBJECT STORAGE ----- 58 ARBEITEN MIT RELATIONALEN DATENBANKEN * 59 DER NUTZEN VON (RELATIONALEN) DATENBANKEN * 60 OBJEKTE UND OBJEKTTYPEN IN RELATIONALEN DATENBANKEN * 63 DATENBANK-MODELLE: RELATIONALE DATENBANKEN * 68 SQL----- 72 VIII * INHALT 5.3.5 UMSETZUNGIN EINER RELATIONALEN DATENBANK * 74 5.3.6 FORTGESCHRITTENE THEMEN ZU RELATIONALEN DATENBANKEN * 80 5.4 ARBEITEN MIT NO-SQL-DATENBANKEN----- 87 5.4.1 VERTEILTE DATENBANKSYSTEME * 88 5.4.2 CAP THEOREM FUER VERTEILTE SYSTEME * 89 5.4.3 EINSATZ VON NO-SQL ----- 91 5.5 DATENWARENHAEUSER * 107 5.5.1 OPERATIVE UND DISPOSITIVE DATENHALTUNG ----- 107 5.5.2 DATA WAREHOUSES ----- 108 5.5.3 STERNSCHEMA ----- HO 5.5.4 DATA LAKES ----- 111 5.6 SOFTWARETESTS ----- 117 5.7 PARALLELE DATENVERARBEITUNG ----- 122 5.8 MAPREDUCE, HADOOP UND SPARK ----- 132 5.9 CLOUD COMPUTING ----- 144 5.9.1 BEGRIFFE UND KONZEPTE ----- 144 5.9.2 DATA SCIENE ANGEBOTE IN DER CLOUD ----- 146 5.9.3 DEPLOYMENT VON MACHINE LEARNING ALGORITHMEN * 146 5.10 INFORMATIONSVERARBEITUNG IN VERSICHERUNGSUNTERNEHMEN * 154 5.10.1 GESCHAEFTSPROZESSE IN VERSICHERUNGSUNTERNEHMEN * 154 5.10.2 TYPISCHE SYSTEMLANDSCHAFT ----- 157 6 MATHEMATISCHE VERFAHREN * 160 6.1 DATENAUFBEREITUNG * 160 6.1.1 SCHRITTE DER DATENAUFBEREITUNG * 160 6.1.2 FEHLENDE DATEN ----- 168 6.2 DATENVERSTAENDNIS UND -VISUALISIERUNG ----- 176 6.3 KLASSIFIKATIONS- UND REGRESSIONSMETHODEN * 184 6.3.1 MULTIPLE LINEARE REGRESSION * 185 6.3.2 SOLVENZKAPITAL FUER BIOMETRISCHE RISIKEN * 194 6.3.3 BINAERE REGRESSION * 200 6.3.4 GENERALISIERTE ADDITIVE MODELLE (GAM) ----- 205 6.3.5 LINEARE DISKRIMINANZANALYSE (LDA) * 212 6.3.6 K-NEAREST-NEIGHBORS (KNN) ----- 218 6.3.7 NAIVE BAYES ----- 222 6.3.8 ENTSCHEIDUNGSBAEUME ----- 223 6.3.9 RANDOM FORESTS ----- 230 6.3.10 BOOSTING ----- 232 6.3.11 SUPPORT VECTOR MACHINES * 236 6.3.12 KUENSTLICHE NEURONALE NETZE * 240 6.4 CLUSTERMETHODEN ------ 251 6.4.1 CLUSTERBASIERTE BESTANDSVERDICHTUNG (K-MEANS) ----- 252 INHALT * IX 6.4.2 6.4.3 6.5 6.5.1 6.5.2 6.6 6.6.1 6.6.2 6.6.3 6.6.4 6.6.5 6.6.6 6.6.7 6.6.8 6.6.9 6.6.10 6.6.11 HIERARCHISCHE CLUSTERMETHODEN -----258 BESTIMMUNG OPTIMALER ANZAHL VON CLUSTERN ----- 266 DIMENSIONSREDUKTION ----- 271 LINEARE DISKRIMINANZANALYSE (LDA) ----- 272 HAUPTKOMPONENTENANALYSE (PCA) ----- 273 BEWERTUNG VON MODELLEN -----278 TRAININGS-SAMPLING ----- 280 KREUZVALIDIERUNG ----- 282 HYPERPARAMETER-TUNING ----- 283 UMGANG MIT SAMPLING-DISBALANCEN ----- 284 GENERISCHE SKALARE FEHLERMASSE ----- 287 KONFUSIONSMATRIX ----- 288 ROC-KURVEN ----- 290 MARGINALVERTEILUNGSANALYSE ----- 292 LIFTPLOT -----293 LORENZKURVE UND GINI-KOEFFIZIENT ----- 294 REGULARISIERUNG ----- 297 7 KORRELATION UND KAUSALE INFERENZ * 305 8 8.1 8.2 8.3 8.4 8.5 8.6 8.7 DATA MINING * 320 VERBREITETE PROZESSMODELLE * 320 GESCHAEFTSVERSTAENDNIS -----322 DATENVERSTAENDNIS ----- 323 DATENVORBEREITUNG * 325 MODELLIERUNG ----- 327 EVALUIERUNG ----- 328 BEREITSTELLUNG * 331 9 9.1 9.2 9.3 GESELLSCHAFTLICHES UMFELD * 332 KUENSTLICHE INTELLIGENZ ----- 332 DATENSCHUTZ ----- 336 ETHISCHE FRAGEN -----342 A A.L A.1.1 A.1.2 A.2 A.2.1 A.2.2 A.2.3 APPENDIX ----- 346 INSTALLATIONEN * 346 PYTHON ----- 346 R ----- 347 DATENSAETZE ----- 348 AUTOBI ----- 348 SIMULIERTE SCHADENFREQUENZEN IN DER KFZ-VERSICHERUNG * 349 SIMULIERTE VERKAUFSDATEN * 350 X * INHALT A.2.4 SIMULIERTE VERKAUFSEMPFEHLUNGSDATEN * 352 A.2.5 KFZ-BETRUGSERKENNUNG ----- 353 A.2.6 KFZ-TELEMATIK ----- 353 A.3 MARGINALVERTEILUNGSPLOTS * 356 A.4 LIFTPLOTS ----- 358 NACHWORT & DANKSAGUNGEN * 361 LITERATUR * 363 STICHWORTVERZEICHNIS * 369
any_adam_object	1
any_adam_object_boolean	1
author	Seehafer, Martin 1978- Nörtemann, Stefan 1965- Offtermatt, Jonas 1982- Transchel, Fabian Kiermaier, Axel Külheim, René Weidner, Wiltrud
author_GND	(DE-588)138739277 (DE-588)120879239 (DE-588)1023559293
author_facet	Seehafer, Martin 1978- Nörtemann, Stefan 1965- Offtermatt, Jonas 1982- Transchel, Fabian Kiermaier, Axel Külheim, René Weidner, Wiltrud
author_role	aut aut aut aut aut aut aut
author_sort	Seehafer, Martin 1978-
author_variant	m s ms s n sn j o jo f t ft a k ak r k rk w w ww
building	Verbundindex
bvnumber	BV048289338
classification_rvk	QQ 630 ST 300
ctrlnum	(OCoLC)1240338199 (DE-599)DNB1217861750
dewey-full	368.00285631
dewey-hundreds	300 - Social sciences
dewey-ones	368 - Insurance
dewey-raw	368.00285631
dewey-search	368.00285631
dewey-sort	3368.00285631
dewey-tens	360 - Social problems and services; associations
discipline	Informatik Wirtschaftswissenschaften
discipline_str_mv	Informatik Wirtschaftswissenschaften
format	Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>03139nam a2200673 c 4500</leader><controlfield tag="001">BV048289338</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20230116 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">220617s2021 gw \|\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">20,N39</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">21,A09</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1217861750</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783110659283</subfield><subfield code="c">Broschur : EUR 39.95 (DE), EUR 399.50 (DE) (freier Sonderpreis: Multiuser eBook price), EUR 39.95 (AT)</subfield><subfield code="9">978-3-11-065928-3</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">311065928X</subfield><subfield code="9">3-11-065928-X</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783110659283</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1240338199</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1217861750</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-573</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">368.00285631</subfield><subfield code="2">23/ger</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QQ 630</subfield><subfield code="0">(DE-625)141989:</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="8">2\p</subfield><subfield code="a">004</subfield><subfield code="2">23sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="8">1\p</subfield><subfield code="a">360</subfield><subfield code="2">23sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Seehafer, Martin</subfield><subfield code="d">1978-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)138739277</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Actuarial data science</subfield><subfield code="b">Maschinelles Lernen in der Versicherung</subfield><subfield code="c">Martin Seehafer [und 6 weitere]</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Berlin</subfield><subfield code="b">De Gruyter</subfield><subfield code="c">[2021]</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">X, 370 Seiten</subfield><subfield code="b">llustrationen</subfield><subfield code="c">24 cm, 660 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 STEM</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Versicherungswirtschaft</subfield><subfield code="0">(DE-588)4063206-4</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</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">Data Science</subfield><subfield code="0">(DE-588)1140936166</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="689" ind1="0" ind2="0"><subfield code="a">Versicherungswirtschaft</subfield><subfield code="0">(DE-588)4063206-4</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">Data Science</subfield><subfield code="0">(DE-588)1140936166</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="3"><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=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Nörtemann, Stefan</subfield><subfield code="d">1965-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)120879239</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Offtermatt, Jonas</subfield><subfield code="d">1982-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1023559293</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Transchel, Fabian</subfield><subfield code="e">Verfasser</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Kiermaier, Axel</subfield><subfield code="e">Verfasser</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Külheim, René</subfield><subfield code="e">Verfasser</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Weidner, Wiltrud</subfield><subfield code="e">Verfasser</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, EPUB</subfield><subfield code="t">Actuarial Data Science</subfield><subfield code="b">1. Auflage</subfield><subfield code="z">978-3-11-065951-1</subfield><subfield code="d">Berlin/Boston : De Gruyter, 2021</subfield><subfield code="h">Online-Ressource, 380 Seiten, 8 Illustrationen, 86 Illustrationen</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">978-3-11-065934-4</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">X:MVB</subfield><subfield code="u">https://www.degruyter.com/books/9783110659283</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">B:DE-101</subfield><subfield code="q">application/pdf</subfield><subfield code="u">https://d-nb.info/1217861750/04</subfield><subfield code="3">Inhaltsverzeichnis</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=033669372&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:BVB01-033669372</subfield></datafield><datafield tag="883" ind1="2" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">dnb</subfield><subfield code="d">20210226</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#dnb</subfield></datafield><datafield tag="883" ind1="2" ind2=" "><subfield code="8">2\p</subfield><subfield code="a">dnb</subfield><subfield code="d">20210226</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#dnb</subfield></datafield></record></collection>
id	DE-604.BV048289338
illustrated	Not Illustrated
index_date	2024-07-03T20:03:04Z
indexdate	2024-07-10T09:34:18Z
institution	BVB
institution_GND	(DE-588)10095502-2
isbn	9783110659283 311065928X
language	German
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-033669372
oclc_num	1240338199
open_access_boolean
owner	DE-573
owner_facet	DE-573
physical	X, 370 Seiten llustrationen 24 cm, 660 g
publishDate	2021
publishDateSearch	2021
publishDateSort	2021
publisher	De Gruyter
record_format	marc
series2	De Gruyter STEM
spelling	Seehafer, Martin 1978- Verfasser (DE-588)138739277 aut Actuarial data science Maschinelles Lernen in der Versicherung Martin Seehafer [und 6 weitere] Berlin De Gruyter [2021] X, 370 Seiten llustrationen 24 cm, 660 g txt rdacontent n rdamedia nc rdacarrier De Gruyter STEM Versicherungswirtschaft (DE-588)4063206-4 gnd rswk-swf Künstliche Intelligenz (DE-588)4033447-8 gnd rswk-swf Data Science (DE-588)1140936166 gnd rswk-swf Maschinelles Lernen (DE-588)4193754-5 gnd rswk-swf Versicherungswirtschaft (DE-588)4063206-4 s Künstliche Intelligenz (DE-588)4033447-8 s Data Science (DE-588)1140936166 s Maschinelles Lernen (DE-588)4193754-5 s DE-604 Nörtemann, Stefan 1965- Verfasser (DE-588)120879239 aut Offtermatt, Jonas 1982- Verfasser (DE-588)1023559293 aut Transchel, Fabian Verfasser aut Kiermaier, Axel Verfasser aut Külheim, René Verfasser aut Weidner, Wiltrud Verfasser aut Walter de Gruyter GmbH & Co. KG (DE-588)10095502-2 pbl Erscheint auch als Online-Ausgabe, EPUB Actuarial Data Science 1. Auflage 978-3-11-065951-1 Berlin/Boston : De Gruyter, 2021 Online-Ressource, 380 Seiten, 8 Illustrationen, 86 Illustrationen Erscheint auch als Online-Ausgabe, PDF 978-3-11-065934-4 X:MVB https://www.degruyter.com/books/9783110659283 B:DE-101 application/pdf https://d-nb.info/1217861750/04 Inhaltsverzeichnis DNB Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=033669372&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis 1\p dnb 20210226 DE-101 https://d-nb.info/provenance/plan#dnb 2\p dnb 20210226 DE-101 https://d-nb.info/provenance/plan#dnb
spellingShingle	Seehafer, Martin 1978- Nörtemann, Stefan 1965- Offtermatt, Jonas 1982- Transchel, Fabian Kiermaier, Axel Külheim, René Weidner, Wiltrud Actuarial data science Maschinelles Lernen in der Versicherung Versicherungswirtschaft (DE-588)4063206-4 gnd Künstliche Intelligenz (DE-588)4033447-8 gnd Data Science (DE-588)1140936166 gnd Maschinelles Lernen (DE-588)4193754-5 gnd
subject_GND	(DE-588)4063206-4 (DE-588)4033447-8 (DE-588)1140936166 (DE-588)4193754-5
title	Actuarial data science Maschinelles Lernen in der Versicherung
title_auth	Actuarial data science Maschinelles Lernen in der Versicherung
title_exact_search	Actuarial data science Maschinelles Lernen in der Versicherung
title_exact_search_txtP	Actuarial data science Maschinelles Lernen in der Versicherung
title_full	Actuarial data science Maschinelles Lernen in der Versicherung Martin Seehafer [und 6 weitere]
title_fullStr	Actuarial data science Maschinelles Lernen in der Versicherung Martin Seehafer [und 6 weitere]
title_full_unstemmed	Actuarial data science Maschinelles Lernen in der Versicherung Martin Seehafer [und 6 weitere]
title_short	Actuarial data science
title_sort	actuarial data science maschinelles lernen in der versicherung
title_sub	Maschinelles Lernen in der Versicherung
topic	Versicherungswirtschaft (DE-588)4063206-4 gnd Künstliche Intelligenz (DE-588)4033447-8 gnd Data Science (DE-588)1140936166 gnd Maschinelles Lernen (DE-588)4193754-5 gnd
topic_facet	Versicherungswirtschaft Künstliche Intelligenz Data Science Maschinelles Lernen
url	https://www.degruyter.com/books/9783110659283 https://d-nb.info/1217861750/04 http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=033669372&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT seehafermartin actuarialdatasciencemaschinelleslerneninderversicherung AT nortemannstefan actuarialdatasciencemaschinelleslerneninderversicherung AT offtermattjonas actuarialdatasciencemaschinelleslerneninderversicherung AT transchelfabian actuarialdatasciencemaschinelleslerneninderversicherung AT kiermaieraxel actuarialdatasciencemaschinelleslerneninderversicherung AT kulheimrene actuarialdatasciencemaschinelleslerneninderversicherung AT weidnerwiltrud actuarialdatasciencemaschinelleslerneninderversicherung AT walterdegruytergmbhcokg actuarialdatasciencemaschinelleslerneninderversicherung

Verfügbarkeit

Es ist kein Print-Exemplar vorhanden.

Fernleihe Bestellen Achtung: Nicht im THWS-Bestand! Inhaltsverzeichnis
Inhaltsverzeichnis

MARC

Datensatz im Suchindex

Es ist kein Print-Exemplar vorhanden.

Ähnliche Einträge