Verfügbarkeit: Computational Communication Science

Computational Communication Science: eine Einführung

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Haim, Mario 1987- (VerfasserIn)
Format:	Buch
Sprache:	German
Veröffentlicht:	Wiesbaden Springer VS [2023]
Schriftenreihe:	Studienbücher zur Kommunikations- und Medienwissenschaft
Schlagworte:	Kommunikationswissenschaft Big Data Text Mining Ethik Maschinelles Lernen Datenschutz Bildverarbeitung Datenverarbeitung API Agenten Bildanalyse Daten Datenbanken Inhaltsanalyse Medienforschung Mehrebenenmodellierung Netzwerkanalyse Pfadanalyse Programmierung Scraping Simulation Tracking Zeitreihen big data topic modeling Lehrbuch
Online-Zugang:	Inhaltstext http://www.springer.com/ Inhaltsverzeichnis
Beschreibung:	Enthält Programmcode
Beschreibung:	XVI, 358 Seiten. - Illustrationen, Diagramme 24 cm x 16.8 cm
ISBN:	3658401702 9783658401702

Internformat

MARC


LEADER	00000nam a22000008c 4500
001	BV049016738
003	DE-604
005	20230718
007	t
008	230622s2023 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 22,N46 \|2 dnb
016	7		\|a 1272442470 \|2 DE-101
020			\|a 3658401702 \|9 3-658-40170-2
020			\|a 9783658401702 \|c Festeinband : circa EUR 34.99 (DE), circa EUR 35.97 (AT), circa CHF 39.00 (freier Preis), circa EUR 32.70 \|9 978-3-658-40170-2
024	3		\|a 9783658401702
028	5	2	\|a Bestellnummer: 89160160
028	5	2	\|a Bestellnummer: 978-3-658-40170-2
035			\|a (OCoLC)1350846507
035			\|a (DE-599)DNB1272442470
040			\|a DE-604 \|b ger \|e rda
041	0		\|a ger
044			\|a gw \|c XA-DE-HE
049			\|a DE-19 \|a DE-355
084			\|a AK 54500 \|0 (DE-625)164542: \|2 rvk
084			\|8 1\p \|a 300 \|2 23sdnb
100	1		\|a Haim, Mario \|d 1987- \|e Verfasser \|0 (DE-588)1129201163 \|4 aut
245	1	0	\|a Computational Communication Science \|b eine Einführung \|c Mario Haim
264		1	\|a Wiesbaden \|b Springer VS \|c [2023]
300			\|b XVI, 358 Seiten. - Illustrationen, Diagramme \|c 24 cm x 16.8 cm
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
490	0		\|a Studienbücher zur Kommunikations- und Medienwissenschaft
500			\|a Enthält Programmcode
650	0	7	\|a Kommunikationswissenschaft \|0 (DE-588)4120588-1 \|2 gnd \|9 rswk-swf
650	0	7	\|a Big Data \|0 (DE-588)4802620-7 \|2 gnd \|9 rswk-swf
650	0	7	\|a Text Mining \|0 (DE-588)4728093-1 \|2 gnd \|9 rswk-swf
650	0	7	\|a Ethik \|0 (DE-588)4015602-3 \|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 Datenschutz \|0 (DE-588)4011134-9 \|2 gnd \|9 rswk-swf
650	0	7	\|a Bildverarbeitung \|0 (DE-588)4006684-8 \|2 gnd \|9 rswk-swf
650	0	7	\|a Datenverarbeitung \|0 (DE-588)4011152-0 \|2 gnd \|9 rswk-swf
653			\|a API
653			\|a Agenten
653			\|a Bildanalyse
653			\|a Daten
653			\|a Datenbanken
653			\|a Inhaltsanalyse
653			\|a Kommunikationswissenschaft
653			\|a Medienforschung
653			\|a Mehrebenenmodellierung
653			\|a Netzwerkanalyse
653			\|a Pfadanalyse
653			\|a Programmierung
653			\|a Scraping
653			\|a Simulation
653			\|a Tracking
653			\|a Zeitreihen
653			\|a big data
653			\|a topic modeling
655		7	\|0 (DE-588)4123623-3 \|a Lehrbuch \|2 gnd-content
689	0	0	\|a Big Data \|0 (DE-588)4802620-7 \|D s
689	0	1	\|a Datenverarbeitung \|0 (DE-588)4011152-0 \|D s
689	0		\|5 DE-604
689	1	0	\|a Text Mining \|0 (DE-588)4728093-1 \|D s
689	1	1	\|a Bildverarbeitung \|0 (DE-588)4006684-8 \|D s
689	1	2	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|D s
689	1		\|5 DE-604
689	2	0	\|a Datenschutz \|0 (DE-588)4011134-9 \|D s
689	2	1	\|a Ethik \|0 (DE-588)4015602-3 \|D s
689	2		\|5 DE-604
689	3	0	\|a Big Data \|0 (DE-588)4802620-7 \|D s
689	3	1	\|a Datenverarbeitung \|0 (DE-588)4011152-0 \|D s
689	3	2	\|a Kommunikationswissenschaft \|0 (DE-588)4120588-1 \|D s
689	3		\|5 DE-604
710	2		\|a Springer Fachmedien Wiesbaden \|0 (DE-588)1043386068 \|4 pbl
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe \|z 9783658401719
856	4	2	\|m X:MVB \|q text/html \|u http://deposit.dnb.de/cgi-bin/dokserv?id=1c5e310b0e644fa4a50a240e542620fb&prov=M&dok_var=1&dok_ext=htm \|3 Inhaltstext
856	4	2	\|m X:MVB \|u http://www.springer.com/
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=034279699&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
999			\|a oai:aleph.bib-bvb.de:BVB01-034279699
883	1		\|8 1\p \|a vlb \|d 20221110 \|q DE-101 \|u https://d-nb.info/provenance/plan#vlb

Datensatz im Suchindex

_version_	1804185290766548992
adam_text	1 WAS IST COMPUTATIONAL COMMUNICATION SCIENCE? .......................................... 1 1.1 DATEN, DATAFIZIERUNG UND BIG DATA ............................................................... 4 1.2 SOFTWARE, ALGORITHMEN UND MODELLE ............................................................. 6 1.3 CCS IM EMPIRISCHEN FORSCHUNGSPROZESS ....................................................... 9 1.3.1 BEFRAGUNG, BEOBACHTUNG, INHALTSANALYSE ODER EXPERIMENT? .......... 12 1.3.2 QUALITATIV ODER QUANTITATIV? ............................................................... 13 1.3.3 DESKRIPTIV ODER EXPLANATIV ? ............................................................... 14 1.3.4 DETERMINISTISCH ODER PROBABILISTISCH? .............................................. 15 1.3.5 OFFEN ODER PROPRIETAER? ....................................................................... 16 1.3.6 ETHISCH ODER UNETHISCH? ..................................................................... 17 1.3.7 LEGAL ODER ILLEGAL? .............................................................................. 17 1.4 ZWISCHENFAZIT UND LITERATURHINWEISE ............................................................. 18 2 DATEN SICHTEN ...................................................................................................... 21 2.1 EMPIRISCHE PERSPEKTIVE ................................................................................... 23 2.1.1 MERKMALE, MERKMALSTRAEGER UND MERKMALSAUSPRAEGUNGEN ............... 23 2.1.2 MESS UND SKALENNIVEAUS ................................................................... 24 2.2 TECHNISCHE PERSPEKTIVE ................................................................................... 26 2.2.1 TABELLARISCHE DATENSAETZE ................................................................... 26 2.2.2 HIERARCHISCHE DATENSAETZE ................................................................... 28 2.3 INFORMATISCHE PERSPEKTIVE ............................................................................... 30 2.3.1 ZAHLEN ................................................................................................ 32 2.3.2 FEHLENDE WERTE .................................................................................... 33 2.3.3 TEXTE (UND IJE PROBLEME) ................................................................. 34 2.3.4 LISTEN, ARRAYS UND TABELLEN ............................................................... 35 2.3.5 OBJEKTE UND BINAERE DATEN ................................................................. 36 2.4 STATISTISCHE PERSPEKTIVE ................................................................................... 36 2.4.1 HAEUFIGKEITEN UND HISTOGRAMME ........................................................ 37 2.4.2 LAGEMASSE, STREUUNGSMASSE UND BOX-PLOTS ..................................... 38 2.4.3 FEHLENDE WERTE .................................................................................... 41 2.5 ZWISCHENFAZIT UND LITERATURHINWEISE .............................................................. 42 VII VIII INHALTSVERZEICHNIS 3 DATEN BEWERTEN ................................................................................................... 45 3.1 NACH IHRER AUSSAGEKRAFT ................................................................................... 46 3.2 NACH IHRER DARSTELLUNGSWEISE ......................................................................... 49 3.2.1 QUERSCHNITTSDATEN ................................................................................ 50 3.2.2 LAENGSSCHNITTDATEN UND ZEITREIHEN ..................................................... 53 3.2.3 RELATIONALE DATEN ................................................................................ 58 3.3 NACH IHRER RECHTLICHEN GRUNDLAGE .................................................................. 61 3.3.1 EIGENTUMSRECHTE ................................................................................... 61 3.3.2 PERSONENBEZOGENE RECHTE .................................................................. 64 3.3.3 LIZENZEN ............................................................................................... 65 3.4 NACH IHREN ETHISCHEN PRINZIPIEN .................................................................... 65 3.4.1 MENSCHEN STEHEN IM MITTELPUNKT ....................................................... 68 3.4.2 DATEN UND SOFTWARE SIND SICHER, ROBUST UND NACHVOLLZIEHBAR ........ 69 3.4.3 ENTSCHEIDUNGEN VERLAUFEN FAIR UND TRANSPARENT ............................... 71 3.5 NACH IHRER GENESE ............................................................................................ 72 3.5.1 TRACKING-DATEN ................................................................................... 72 3.5.2 SOCIAL-MEDIA-DATEN ............................................................................ 74 3.5.3 INPUT-OUTPUT-DATEN ............................................................................ 75 3.5.4 DATENSPENDEN ....................................................................................... 76 3.5.5 MEDIENINHALTE ..................................................................................... 77 3.5.6 MODELLIERTE UND SIMULIERTE DATEN ..................................................... 78 3.6 ZWISCHENFAZIT UND LITERATURHINWEISE ............................................................... 79 4 FORSCHUNGSSOFTWAREENTWICKELN ............................................................................. 81 4.1 R UND/ODER PYTHON ..................................................................... 82 4.2 PROGRAMMIERUNG ............................................................................................... 83 4.2.1 HALLO, WELT! .......................................................................................... 85 4.2.2 VARIABLEN .............................................................................................. 87 4.2.3 BEDINGTE VERZWEIGUNGEN .................................................................... 88 4.2.4 SCHLEIFEN .............................................................................................. 89 4.2.5 FUNKTIONEN UND OBJEKTORIENTIERTE PROGRAMMIERUNG .......................... 90 4.2.6 MODULARISIERUNG ................................................................................... 92 4.2.7 BIBLIOTHEKEN UND PAKETE .................................................................... 93 4.3 DOKUMENTATION ................................................................................................... 94 4.4 TESTS .................................................................................................................... 95 4.5 DEPLOYMENT, PIPELINES UND VERSIONIERUNG ...................................................... 96 4.6 ZWISCHENFAZIT UND LITERATURHINWEISE ............................................................... 97 5 DATEN BEZIEHEN .................................................. 99 5.1 DATEN VON ANDEREN ............................................................................................... 101 5.1.1 NUTZUNGSRECHTE ..................................................................................... 102 5.1.2 ZUGANG ..................................................................................................... 103 5.1.3 VERZERRUNGEN ....................................................................................... 103 INHALTSVERZEICHNIS IX 5.2 DATENBANKEN ...................................................................................................... 107 5.2.1 INTEGRITAET UND NORMALISIERUNG ............................................................... 109 5.2.2 EFFIZIENZ UND LEISTUNG ..................... 111 5.2.3 STRUCTURED QUERY LANGUAGE (SQL) ...................................................... 112 5.3 APPLICATION PROGRAMMING INTERFACES (APIS) .................................................... 113 5.3.1 SCHNITTSTELLENPROGRAMMIERUNG ...................... 114 5.3.2 ANWENDUNGSSOFTWARE ............................................................................. 117 5.3.3 GET UND POST ............................................. 118 5.3.4 STREAMING ................................................................................................. 118 5.4 DIE YYAPICALYPSE UND DAS ................................................................................. 119 5.5 ZWISCHENFAZIT UND LITERATURHINWEISE ................................................................. 122 6 FREMDE DATEN SAMMELN ...................................................................................... 125 6.1 WEB SCRAPING ....................................................................................................... 126 6.1.1 RECHTLICHE GRUNDLAGEN ........................................................................... 128 6.1.2 ETHISCHE PRINZIPIEN ................................................................................ 129 6.1.3 UMSETZUNG .............................................................................................. 129 6.2 AGENTENBASIERTE TESTS ........................................................................................ 130 6.2.1 RECHTLICHE GRUNDLAGEN ......................................................................... 131 6.2.2 ETHISCHE PRINZIPIEN ................................................................................ 132 6.2.3 UMSETZUNG ............................................................................................... 133 6.3 WEB TRACKING ....................................................................................................... 133 6.3.1 RECHTLICHE GRUNDLAGEN ......................................................................... 134 6.3.2 ETHISCHE PRINZIPIEN ................................................................................ 136 6.3.3 UMSETZUNG BEI WEBSEITENBETREIBENDEN ................................................ 137 6.3.4 UMSETZUNG WAEHREND DER NUTZUNG ........................................................ 138 6.3.5 UMSETZUNG BEI NUTZENDEN ..................................................................... 139 6.4 DATENSPENDEN ....................................................................................................... 140 6.4.1 RECHTLICHE GRUNDLAGEN ............................................................................ 140 6.4.2 ETHISCHE PRINZIPIEN ................................................................................ 141 6.4.3 UMSETZUNG ............................................................................................... 142 6.5 ZWISCHENFAZIT UND LITERATURHINWEISE ................................................................. 143 7 EIGENE DATEN GENERIEREN ...................................................................................... 145 7.1 RECHTLICHE GRUNDLAGEN ........................................................................................ 147 7.2 ETHISCHE PRINZIPIEN (UND CCS-RESSOURCENVERBRAUCH) ...................................... 147 7.3 MONTE-CARLO-SIMULATION .................................................................................... 149 7.3.1 ZUFALLSZAHLEN .................. 151 7.3.2 SIMULATION ............................................................................................. 154 7.3.3 MEHRWERT UND LIMITATIONEN ................................................................. 156 7.4 BOOTSTRAPPING .................................................................................................... 157 7.4.1 ZUFALLSSTICHPROBEN ................................................................................ 158 7.4.2 SIMULATION ............................................................................................. 159 7.4.3 MEHRWERT UND LIMITATIONEN ................................................................. 160 X INHALTSVERZEICHNIS 7.5 AGENTENBASIERTE MODELLIERUNG ............................................................................. 160 7.5.1 AGENTEN, UMWELT, REGELN UND TICKS ..................................................... 161 7.5.2 SIMULATION ................................................................................................ 163 7.5.3 MEHRWERT UND LIMITATIONEN .................................................................... 165 7.6 ZWISCHENFAZIT UND LITERATURHINWEISE .................................................................. 166 8 TEXTE ALS DATEN I ................................................................................................. 169 8.1 ZAEHLEN ............................................................................................................... 171 8.1.1 SAETZE, TYPEN UND TOKENS ........................................................................ 172 8.1.2 REGULAERE AUSDRUECKE ................................................................................. 174 8.1.3 STEMMING UND LEMMATISIERUNG .............................................................. 176 8.1.4 DIKTIONAERE ................................................................................................ 177 8.2 KONTEXTUALISIEREN .............................................................................................. 180 8.2.1 KONKORDANZEN ......................................................................................... 181 8.2.2 KOLLOKATIONEN ........................................................................................... 182 8.3 VERSTEHEN ............................................................................................................. 184 8.3.1 KOLLOKATIONSMATRIZEN .............................................................................. 185 8.3.2 TYPEN UND TOKENS ALS VEKTOREN ............................................................. 186 8.3.3 TRANSFORMER-MODELLE .............................................................................. 190 8.4 ZWISCHENFAZIT UND LITERATURHINWEISE ................................................................ 192 9 TEXTE ALS DATEN II ................................................................................................. 195 9.1 RECHTLICHE GRUNDLAGEN ........................................................................................ 195 9.2 ETHISCHE PRINZIPIEN ............................................................................................ 197 9.3 DATENAUFBEREITUNG ............................................................................................... 198 9.3.1 DEFINITION EINES DOKUMENTS .................................................................... 198 9.3.2 TOKENISIERUNG ........................................................................................... 199 9.3.3 STOPPWOERTER ............................................................................................. 201 9.3.4 VEREINHEITLICHUNG .................................................................................... 202 9.3.5 STEMMING UND LEMMATISIERUNG ............................................................. 204 9.4 ANNOTATION .......................................................................................................... 204 9.4.1 TAGGING UND PARSING ................................................................................ 204 9.4.2 NAMED ENTITY RECOGNITION .....................................................................205 9.4.3 WORD EMBEDDINGS .................................................................................. 206 9.5 DOCUMENT-FEATURE-MATRIZEN (ODER: WIE PASST DAS ALLES ZUSAMMEN?) ......... 207 9.6 BESCHREIBUNG UND VISUALISIERUNG ...................................................................... 211 9.6.1 WICHTIGKEIT UND WORTWOLKEN ................................................................. 212 9.6.2 NAEHE UND NETZWERKE .............................................................................. 214 9.6.3 DISTANZ UND DISTINKTION .......................................................................... 214 9.6.4 VALENZ UND VERLAUF .................................................................................. 217 9.7 ZWISCHENFAZIT UND LITERATURHINWEISE ................................................................ 219 INHALTSVERZEICHNIS XI 10 MASCHINELLES LERNEN MIT GOLDSTANDARD (YYUEBERWACHTES LERNEN ) .................. 221 10.1 DATEN .................................................................................................................225 10.2 FEATURES ........................................................... 230 10.3 ALGORITHMEN ...................................................................................................... 234 10.3.1 NAIVE BAYES ....................................................................................... 235 10.3.2 DECISION TREE UND RANDOM FOREST ...................................................238 10.3.3 SUPPORT-VECTOR MACHINE (SVM) ...................................................... 240 10.3.4 NEURONALE NETZE ................................................................................. 242 10.3.5 ENSEMBLE ........................................................................................... 245 10.4 VALIDIERUNG ........................................................................................................ 246 10.4.1 ACCURACY ...........................................................................................247 10.4.2 PRECISION, RECALL UND ................................................ 248 10.4.3 ROC-KURVE ....................................................................................... 251 10.5 KLASSIFIZIERUNG .................................................................................................. 253 10.6 ZWISCHENFAZIT UND LITERATURHINWEISE .............................................................. 254 11 MASCHINELLES LERNEN OHNE GOLDSTANDARD (YYUNUEBERWACHTES LERNEN ) ........ 257 11.1 RECHTLICHE GRUNDLAGEN .....................................................................................258 11.2 ETHISCHE PRINZIPIEN ..........................................................................................259 11.3 DATEN, FEATURES UND VALIDIERUNG .................................................................... 262 11.4 ALGORITHMEN ...................................................................................................... 263 11.4.1 K-MEANS ............................................................................................. 265 11.4.2 GENERATIVE MODELLE ............................................................................ 11.4.3 LATENT DIRICHLET ALLOCATION (LDA) ...................................................269 11.4.4 STRUCTURAL TOPIC MODELING (STM) ................................................... 271 11.5 ANWENDUNG UND RESSOURCEN ........................................................................... 273 11.6 ZWISCHENFAZIT UND LITERATURHINWEISE .............................................................. 276 12 NETZWERKE ALS DATEN ............................................................................................ 279 12.1 KNOTEN UND KANTEN ......................................................................................... 281 12.2 DICHTE UND DISTANZ ........................................................................................... 284 12.3 HOMOPHILIE UND HETEROPHILIE ........................................................................ 291 12.4 BESCHREIBUNG UND VISUALISIERUNG ...................................................................295 12.5 RECHTLICHE GRUNDLAGEN .................................................................................... 298 12.6 ETHISCHE PRINZIPIEN ........................................................................................ 299 12.7 ZWISCHENFAZIT UND LITERATURHINWEISE ............................................................. 299 13 GRUPPEN UND SEQUENZEN ALS DATEN .................................................................... 301 13.1 GRUPPEN ALS ABHAENGIGE GROESSE ........................................................................ 302 13.1.1 GRUNDPRINZIP CLUSTERANALYSE ............................................................302 13.1.2 BEISPIEL INHALTLICHE MUSTER .............................................................. 305 13.1.3 MEHRWERT UND LIMITATIONEN .............................................................. 305 XII INHALTSVERZEICHNIS 13.2 GRUPPEN ALS UNABHAENGIGE GROESSE ................................................................... 306 13.2.1 GRUNDPRINZIP MEHREBENENMODELLIERUNG .........................................307 13.2.2 BEISPIEL MEDIENSYSTEMEINFLUESSE ...................................................... 310 13.2.3 MEHRWERT UND LIMITATIONEN .............................................................. 311 13.3 ZEITLICHE SEQUENZEN ......................................................................................... 312 13.3.1 GRUNDPRINZIP ZEITREIHENMODELLIERUNG .............................................. 313 13.3.2 BEISPIEL NACHRICHTENDIFFUSION .......................................................... 316 13.3.3 MEHRWERT UND LIMITATIONEN .............................................................. 317 13.4 BEDINGTE SEQUENZEN .........................................................................................317 13.4.1 GRUNDPRINZIP MARKOW-KETTEN ..........................................................318 13.4.2 BEISPIEL SURFVERHALTEN ....................................................................... 320 13.4.3 MEHRWERT UND LIMITATIONEN .............................................................. 321 13.5 ZWISCHENFAZIT UND LITERATURHINWEISE ............................................................. 321 14 BILDER UND MULTIMODALE DATEN .......................................................................... 323 14.1 VISUELLE DATEN ................................................................................................. 324 14.1.1 DIENSTLEISTENDE ODER SELBST AKTIV WERDEN? ....................................... 326 14.1.2 BEISPIEL VISUELLE TEXTERKENNUNG (OCR) ......................................... 327 14.2 AUDIO-DATEN ..................................................................................................... 328 14.2.1 DIENSTLEISTENDE ODER SELBST AKTIV WERDEN? ....................................... 330 14.2.2 BEISPIEL SPRACHERKENNUNG (TTS) ...................................................... 331 14.3 AUDIOVISUELLE DATEN ......................................................................................... 331 14.3.1 DIENSTLEISTENDE ODER SELBST AKTIV WERDEN? ....................................... 333 14.3.2 BEISPIEL YYOPTICAL FLOW ESTIMATION .................................................... 334 14.4 GEO-DATEN ........................................................................................................ 335 14.4.1 DIENSTLEISTENDE ODER SELBST AKTIV WERDEN? .......................................338 14.4.2 BEISPIEL VISUALISIERUNG DER 7-TAGE-INZIDENZ ................................... 339 14.5 RECHTLICHE GRUNDLAGEN .................................................................................... 341 14.6 ETHISCHE PRINZIPIEN ......................................................................................... 342 14.7 ZWISCHENFAZIT UND LITERATURHINWEISE ............................................................. 342 LITERATUR ........................................................................................................................ 345 STICHWORTVERZEICHNIS .................................................................................................... 351
adam_txt	1 WAS IST COMPUTATIONAL COMMUNICATION SCIENCE? . 1 1.1 DATEN, DATAFIZIERUNG UND BIG DATA . 4 1.2 SOFTWARE, ALGORITHMEN UND MODELLE . 6 1.3 CCS IM EMPIRISCHEN FORSCHUNGSPROZESS . 9 1.3.1 BEFRAGUNG, BEOBACHTUNG, INHALTSANALYSE ODER EXPERIMENT? . 12 1.3.2 QUALITATIV ODER QUANTITATIV? . 13 1.3.3 DESKRIPTIV ODER EXPLANATIV ? . 14 1.3.4 DETERMINISTISCH ODER PROBABILISTISCH? . 15 1.3.5 OFFEN ODER PROPRIETAER? . 16 1.3.6 ETHISCH ODER UNETHISCH? . 17 1.3.7 LEGAL ODER ILLEGAL? . 17 1.4 ZWISCHENFAZIT UND LITERATURHINWEISE . 18 2 DATEN SICHTEN . 21 2.1 EMPIRISCHE PERSPEKTIVE . 23 2.1.1 MERKMALE, MERKMALSTRAEGER UND MERKMALSAUSPRAEGUNGEN . 23 2.1.2 MESS UND SKALENNIVEAUS . 24 2.2 TECHNISCHE PERSPEKTIVE . 26 2.2.1 TABELLARISCHE DATENSAETZE . 26 2.2.2 HIERARCHISCHE DATENSAETZE . 28 2.3 INFORMATISCHE PERSPEKTIVE . 30 2.3.1 ZAHLEN . 32 2.3.2 FEHLENDE WERTE . 33 2.3.3 TEXTE (UND IJE PROBLEME) . 34 2.3.4 LISTEN, ARRAYS UND TABELLEN . 35 2.3.5 OBJEKTE UND BINAERE DATEN . 36 2.4 STATISTISCHE PERSPEKTIVE . 36 2.4.1 HAEUFIGKEITEN UND HISTOGRAMME . 37 2.4.2 LAGEMASSE, STREUUNGSMASSE UND BOX-PLOTS . 38 2.4.3 FEHLENDE WERTE . 41 2.5 ZWISCHENFAZIT UND LITERATURHINWEISE . 42 VII VIII INHALTSVERZEICHNIS 3 DATEN BEWERTEN . 45 3.1 NACH IHRER AUSSAGEKRAFT . 46 3.2 NACH IHRER DARSTELLUNGSWEISE . 49 3.2.1 QUERSCHNITTSDATEN . 50 3.2.2 LAENGSSCHNITTDATEN UND ZEITREIHEN . 53 3.2.3 RELATIONALE DATEN . 58 3.3 NACH IHRER RECHTLICHEN GRUNDLAGE . 61 3.3.1 EIGENTUMSRECHTE . 61 3.3.2 PERSONENBEZOGENE RECHTE . 64 3.3.3 LIZENZEN . 65 3.4 NACH IHREN ETHISCHEN PRINZIPIEN . 65 3.4.1 MENSCHEN STEHEN IM MITTELPUNKT . 68 3.4.2 DATEN UND SOFTWARE SIND SICHER, ROBUST UND NACHVOLLZIEHBAR . 69 3.4.3 ENTSCHEIDUNGEN VERLAUFEN FAIR UND TRANSPARENT . 71 3.5 NACH IHRER GENESE . 72 3.5.1 TRACKING-DATEN . 72 3.5.2 SOCIAL-MEDIA-DATEN . 74 3.5.3 INPUT-OUTPUT-DATEN . 75 3.5.4 DATENSPENDEN . 76 3.5.5 MEDIENINHALTE . 77 3.5.6 MODELLIERTE UND SIMULIERTE DATEN . 78 3.6 ZWISCHENFAZIT UND LITERATURHINWEISE . 79 4 FORSCHUNGSSOFTWAREENTWICKELN . 81 4.1 R UND/ODER PYTHON . 82 4.2 PROGRAMMIERUNG . 83 4.2.1 HALLO, WELT! . 85 4.2.2 VARIABLEN . 87 4.2.3 BEDINGTE VERZWEIGUNGEN . 88 4.2.4 SCHLEIFEN . 89 4.2.5 FUNKTIONEN UND OBJEKTORIENTIERTE PROGRAMMIERUNG . 90 4.2.6 MODULARISIERUNG . 92 4.2.7 BIBLIOTHEKEN UND PAKETE . 93 4.3 DOKUMENTATION . 94 4.4 TESTS . 95 4.5 DEPLOYMENT, PIPELINES UND VERSIONIERUNG . 96 4.6 ZWISCHENFAZIT UND LITERATURHINWEISE . 97 5 DATEN BEZIEHEN . 99 5.1 DATEN VON ANDEREN . 101 5.1.1 NUTZUNGSRECHTE . 102 5.1.2 ZUGANG . 103 5.1.3 VERZERRUNGEN . 103 INHALTSVERZEICHNIS IX 5.2 DATENBANKEN . 107 5.2.1 INTEGRITAET UND NORMALISIERUNG . 109 5.2.2 EFFIZIENZ UND LEISTUNG . 111 5.2.3 STRUCTURED QUERY LANGUAGE (SQL) . 112 5.3 APPLICATION PROGRAMMING INTERFACES (APIS) . 113 5.3.1 SCHNITTSTELLENPROGRAMMIERUNG . 114 5.3.2 ANWENDUNGSSOFTWARE . 117 5.3.3 GET UND POST . 118 5.3.4 STREAMING . 118 5.4 DIE YYAPICALYPSE" UND DAS . 119 5.5 ZWISCHENFAZIT UND LITERATURHINWEISE . 122 6 FREMDE DATEN SAMMELN . 125 6.1 WEB SCRAPING . 126 6.1.1 RECHTLICHE GRUNDLAGEN . 128 6.1.2 ETHISCHE PRINZIPIEN . 129 6.1.3 UMSETZUNG . 129 6.2 AGENTENBASIERTE TESTS . 130 6.2.1 RECHTLICHE GRUNDLAGEN . 131 6.2.2 ETHISCHE PRINZIPIEN . 132 6.2.3 UMSETZUNG . 133 6.3 WEB TRACKING . 133 6.3.1 RECHTLICHE GRUNDLAGEN . 134 6.3.2 ETHISCHE PRINZIPIEN . 136 6.3.3 UMSETZUNG BEI WEBSEITENBETREIBENDEN . 137 6.3.4 UMSETZUNG WAEHREND DER NUTZUNG . 138 6.3.5 UMSETZUNG BEI NUTZENDEN . 139 6.4 DATENSPENDEN . 140 6.4.1 RECHTLICHE GRUNDLAGEN . 140 6.4.2 ETHISCHE PRINZIPIEN . 141 6.4.3 UMSETZUNG . 142 6.5 ZWISCHENFAZIT UND LITERATURHINWEISE . 143 7 EIGENE DATEN GENERIEREN . 145 7.1 RECHTLICHE GRUNDLAGEN . 147 7.2 ETHISCHE PRINZIPIEN (UND CCS-RESSOURCENVERBRAUCH) . 147 7.3 MONTE-CARLO-SIMULATION . 149 7.3.1 ZUFALLSZAHLEN . 151 7.3.2 SIMULATION . 154 7.3.3 MEHRWERT UND LIMITATIONEN . 156 7.4 BOOTSTRAPPING . 157 7.4.1 ZUFALLSSTICHPROBEN . 158 7.4.2 SIMULATION . 159 7.4.3 MEHRWERT UND LIMITATIONEN . 160 X INHALTSVERZEICHNIS 7.5 AGENTENBASIERTE MODELLIERUNG . 160 7.5.1 AGENTEN, UMWELT, REGELN UND TICKS . 161 7.5.2 SIMULATION . 163 7.5.3 MEHRWERT UND LIMITATIONEN . 165 7.6 ZWISCHENFAZIT UND LITERATURHINWEISE . 166 8 TEXTE ALS DATEN I . 169 8.1 ZAEHLEN . 171 8.1.1 SAETZE, TYPEN UND TOKENS . 172 8.1.2 REGULAERE AUSDRUECKE . 174 8.1.3 STEMMING UND LEMMATISIERUNG . 176 8.1.4 DIKTIONAERE . 177 8.2 KONTEXTUALISIEREN . 180 8.2.1 KONKORDANZEN . 181 8.2.2 KOLLOKATIONEN . 182 8.3 VERSTEHEN . 184 8.3.1 KOLLOKATIONSMATRIZEN . 185 8.3.2 TYPEN UND TOKENS ALS VEKTOREN . 186 8.3.3 TRANSFORMER-MODELLE . 190 8.4 ZWISCHENFAZIT UND LITERATURHINWEISE . 192 9 TEXTE ALS DATEN II . 195 9.1 RECHTLICHE GRUNDLAGEN . 195 9.2 ETHISCHE PRINZIPIEN . 197 9.3 DATENAUFBEREITUNG . 198 9.3.1 DEFINITION EINES DOKUMENTS . 198 9.3.2 TOKENISIERUNG . 199 9.3.3 STOPPWOERTER . 201 9.3.4 VEREINHEITLICHUNG . 202 9.3.5 STEMMING UND LEMMATISIERUNG . 204 9.4 ANNOTATION . 204 9.4.1 TAGGING UND PARSING . 204 9.4.2 NAMED ENTITY RECOGNITION .205 9.4.3 WORD EMBEDDINGS . 206 9.5 DOCUMENT-FEATURE-MATRIZEN (ODER: WIE PASST DAS ALLES ZUSAMMEN?) . 207 9.6 BESCHREIBUNG UND VISUALISIERUNG . 211 9.6.1 WICHTIGKEIT UND WORTWOLKEN . 212 9.6.2 NAEHE UND NETZWERKE . 214 9.6.3 DISTANZ UND DISTINKTION . 214 9.6.4 VALENZ UND VERLAUF . 217 9.7 ZWISCHENFAZIT UND LITERATURHINWEISE . 219 INHALTSVERZEICHNIS XI 10 MASCHINELLES LERNEN MIT GOLDSTANDARD (YYUEBERWACHTES LERNEN") . 221 10.1 DATEN .225 10.2 FEATURES . 230 10.3 ALGORITHMEN . 234 10.3.1 NAIVE BAYES . 235 10.3.2 DECISION TREE UND RANDOM FOREST .238 10.3.3 SUPPORT-VECTOR MACHINE (SVM) . 240 10.3.4 NEURONALE NETZE . 242 10.3.5 ENSEMBLE . 245 10.4 VALIDIERUNG . 246 10.4.1 ACCURACY .247 10.4.2 PRECISION, RECALL UND . 248 10.4.3 ROC-KURVE . 251 10.5 KLASSIFIZIERUNG . 253 10.6 ZWISCHENFAZIT UND LITERATURHINWEISE . 254 11 MASCHINELLES LERNEN OHNE GOLDSTANDARD (YYUNUEBERWACHTES LERNEN") . 257 11.1 RECHTLICHE GRUNDLAGEN .258 11.2 ETHISCHE PRINZIPIEN .259 11.3 DATEN, FEATURES UND VALIDIERUNG . 262 11.4 ALGORITHMEN . 263 11.4.1 K-MEANS . 265 11.4.2 GENERATIVE MODELLE . 11.4.3 LATENT DIRICHLET ALLOCATION (LDA) .269 11.4.4 STRUCTURAL TOPIC MODELING (STM) . 271 11.5 ANWENDUNG UND RESSOURCEN . 273 11.6 ZWISCHENFAZIT UND LITERATURHINWEISE . 276 12 NETZWERKE ALS DATEN . 279 12.1 KNOTEN UND KANTEN . 281 12.2 DICHTE UND DISTANZ . 284 12.3 HOMOPHILIE UND HETEROPHILIE . 291 12.4 BESCHREIBUNG UND VISUALISIERUNG .295 12.5 RECHTLICHE GRUNDLAGEN . 298 12.6 ETHISCHE PRINZIPIEN . 299 12.7 ZWISCHENFAZIT UND LITERATURHINWEISE . 299 13 GRUPPEN UND SEQUENZEN ALS DATEN . 301 13.1 GRUPPEN ALS ABHAENGIGE GROESSE . 302 13.1.1 GRUNDPRINZIP CLUSTERANALYSE .302 13.1.2 BEISPIEL INHALTLICHE MUSTER . 305 13.1.3 MEHRWERT UND LIMITATIONEN . 305 XII INHALTSVERZEICHNIS 13.2 GRUPPEN ALS UNABHAENGIGE GROESSE . 306 13.2.1 GRUNDPRINZIP MEHREBENENMODELLIERUNG .307 13.2.2 BEISPIEL MEDIENSYSTEMEINFLUESSE . 310 13.2.3 MEHRWERT UND LIMITATIONEN . 311 13.3 ZEITLICHE SEQUENZEN . 312 13.3.1 GRUNDPRINZIP ZEITREIHENMODELLIERUNG . 313 13.3.2 BEISPIEL NACHRICHTENDIFFUSION . 316 13.3.3 MEHRWERT UND LIMITATIONEN . 317 13.4 BEDINGTE SEQUENZEN .317 13.4.1 GRUNDPRINZIP MARKOW-KETTEN .318 13.4.2 BEISPIEL SURFVERHALTEN . 320 13.4.3 MEHRWERT UND LIMITATIONEN . 321 13.5 ZWISCHENFAZIT UND LITERATURHINWEISE . 321 14 BILDER UND MULTIMODALE DATEN . 323 14.1 VISUELLE DATEN . 324 14.1.1 DIENSTLEISTENDE ODER SELBST AKTIV WERDEN? . 326 14.1.2 BEISPIEL VISUELLE TEXTERKENNUNG (OCR) . 327 14.2 AUDIO-DATEN . 328 14.2.1 DIENSTLEISTENDE ODER SELBST AKTIV WERDEN? . 330 14.2.2 BEISPIEL SPRACHERKENNUNG (TTS) . 331 14.3 AUDIOVISUELLE DATEN . 331 14.3.1 DIENSTLEISTENDE ODER SELBST AKTIV WERDEN? . 333 14.3.2 BEISPIEL YYOPTICAL FLOW ESTIMATION" . 334 14.4 GEO-DATEN . 335 14.4.1 DIENSTLEISTENDE ODER SELBST AKTIV WERDEN? .338 14.4.2 BEISPIEL VISUALISIERUNG DER 7-TAGE-INZIDENZ . 339 14.5 RECHTLICHE GRUNDLAGEN . 341 14.6 ETHISCHE PRINZIPIEN . 342 14.7 ZWISCHENFAZIT UND LITERATURHINWEISE . 342 LITERATUR . 345 STICHWORTVERZEICHNIS . 351
any_adam_object	1
any_adam_object_boolean	1
author	Haim, Mario 1987-
author_GND	(DE-588)1129201163
author_facet	Haim, Mario 1987-
author_role	aut
author_sort	Haim, Mario 1987-
author_variant	m h mh
building	Verbundindex
bvnumber	BV049016738
classification_rvk	AK 54500
ctrlnum	(OCoLC)1350846507 (DE-599)DNB1272442470
discipline	Allgemeines
discipline_str_mv	Allgemeines
format	Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>03721nam a22009498c 4500</leader><controlfield tag="001">BV049016738</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20230718 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">230622s2023 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">22,N46</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1272442470</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3658401702</subfield><subfield code="9">3-658-40170-2</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783658401702</subfield><subfield code="c">Festeinband : circa EUR 34.99 (DE), circa EUR 35.97 (AT), circa CHF 39.00 (freier Preis), circa EUR 32.70</subfield><subfield code="9">978-3-658-40170-2</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783658401702</subfield></datafield><datafield tag="028" ind1="5" ind2="2"><subfield code="a">Bestellnummer: 89160160</subfield></datafield><datafield tag="028" ind1="5" ind2="2"><subfield code="a">Bestellnummer: 978-3-658-40170-2</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1350846507</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1272442470</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-HE</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-19</subfield><subfield code="a">DE-355</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">AK 54500</subfield><subfield code="0">(DE-625)164542:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="8">1\p</subfield><subfield code="a">300</subfield><subfield code="2">23sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Haim, Mario</subfield><subfield code="d">1987-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1129201163</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Computational Communication Science</subfield><subfield code="b">eine Einführung</subfield><subfield code="c">Mario Haim</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Wiesbaden</subfield><subfield code="b">Springer VS</subfield><subfield code="c">[2023]</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="b">XVI, 358 Seiten. - Illustrationen, Diagramme</subfield><subfield code="c">24 cm x 16.8 cm</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">Studienbücher zur Kommunikations- und Medienwissenschaft</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Enthält Programmcode</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Kommunikationswissenschaft</subfield><subfield code="0">(DE-588)4120588-1</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Big Data</subfield><subfield code="0">(DE-588)4802620-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Text Mining</subfield><subfield code="0">(DE-588)4728093-1</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Ethik</subfield><subfield code="0">(DE-588)4015602-3</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">Datenschutz</subfield><subfield code="0">(DE-588)4011134-9</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Bildverarbeitung</subfield><subfield code="0">(DE-588)4006684-8</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Datenverarbeitung</subfield><subfield code="0">(DE-588)4011152-0</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">API</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Agenten</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Bildanalyse</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Daten</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Datenbanken</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Inhaltsanalyse</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Kommunikationswissenschaft</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Medienforschung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Mehrebenenmodellierung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Netzwerkanalyse</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Pfadanalyse</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Programmierung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Scraping</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Simulation</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Tracking</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Zeitreihen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">big data</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">topic modeling</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">Big Data</subfield><subfield code="0">(DE-588)4802620-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Datenverarbeitung</subfield><subfield code="0">(DE-588)4011152-0</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Text Mining</subfield><subfield code="0">(DE-588)4728093-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Bildverarbeitung</subfield><subfield code="0">(DE-588)4006684-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="2"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="2" ind2="0"><subfield code="a">Datenschutz</subfield><subfield code="0">(DE-588)4011134-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="1"><subfield code="a">Ethik</subfield><subfield code="0">(DE-588)4015602-3</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="3" ind2="0"><subfield code="a">Big Data</subfield><subfield code="0">(DE-588)4802620-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="3" ind2="1"><subfield code="a">Datenverarbeitung</subfield><subfield code="0">(DE-588)4011152-0</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="3" ind2="2"><subfield code="a">Kommunikationswissenschaft</subfield><subfield code="0">(DE-588)4120588-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="3" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="710" ind1="2" ind2=" "><subfield code="a">Springer Fachmedien Wiesbaden</subfield><subfield code="0">(DE-588)1043386068</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">9783658401719</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">X:MVB</subfield><subfield code="q">text/html</subfield><subfield code="u">http://deposit.dnb.de/cgi-bin/dokserv?id=1c5e310b0e644fa4a50a240e542620fb&prov=M&dok_var=1&dok_ext=htm</subfield><subfield code="3">Inhaltstext</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">X:MVB</subfield><subfield code="u">http://www.springer.com/</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=034279699&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:BVB01-034279699</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">vlb</subfield><subfield code="d">20221110</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#vlb</subfield></datafield></record></collection>
genre	(DE-588)4123623-3 Lehrbuch gnd-content
genre_facet	Lehrbuch
id	DE-604.BV049016738
illustrated	Illustrated
index_date	2024-07-03T22:12:59Z
indexdate	2024-07-10T09:52:53Z
institution	BVB
institution_GND	(DE-588)1043386068
isbn	3658401702 9783658401702
language	German
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-034279699
oclc_num	1350846507
open_access_boolean
owner	DE-19 DE-BY-UBM DE-355 DE-BY-UBR
owner_facet	DE-19 DE-BY-UBM DE-355 DE-BY-UBR
physical	XVI, 358 Seiten. - Illustrationen, Diagramme 24 cm x 16.8 cm
publishDate	2023
publishDateSearch	2023
publishDateSort	2023
publisher	Springer VS
record_format	marc
series2	Studienbücher zur Kommunikations- und Medienwissenschaft
spelling	Haim, Mario 1987- Verfasser (DE-588)1129201163 aut Computational Communication Science eine Einführung Mario Haim Wiesbaden Springer VS [2023] XVI, 358 Seiten. - Illustrationen, Diagramme 24 cm x 16.8 cm txt rdacontent n rdamedia nc rdacarrier Studienbücher zur Kommunikations- und Medienwissenschaft Enthält Programmcode Kommunikationswissenschaft (DE-588)4120588-1 gnd rswk-swf Big Data (DE-588)4802620-7 gnd rswk-swf Text Mining (DE-588)4728093-1 gnd rswk-swf Ethik (DE-588)4015602-3 gnd rswk-swf Maschinelles Lernen (DE-588)4193754-5 gnd rswk-swf Datenschutz (DE-588)4011134-9 gnd rswk-swf Bildverarbeitung (DE-588)4006684-8 gnd rswk-swf Datenverarbeitung (DE-588)4011152-0 gnd rswk-swf API Agenten Bildanalyse Daten Datenbanken Inhaltsanalyse Kommunikationswissenschaft Medienforschung Mehrebenenmodellierung Netzwerkanalyse Pfadanalyse Programmierung Scraping Simulation Tracking Zeitreihen big data topic modeling (DE-588)4123623-3 Lehrbuch gnd-content Big Data (DE-588)4802620-7 s Datenverarbeitung (DE-588)4011152-0 s DE-604 Text Mining (DE-588)4728093-1 s Bildverarbeitung (DE-588)4006684-8 s Maschinelles Lernen (DE-588)4193754-5 s Datenschutz (DE-588)4011134-9 s Ethik (DE-588)4015602-3 s Kommunikationswissenschaft (DE-588)4120588-1 s Springer Fachmedien Wiesbaden (DE-588)1043386068 pbl Erscheint auch als Online-Ausgabe 9783658401719 X:MVB text/html http://deposit.dnb.de/cgi-bin/dokserv?id=1c5e310b0e644fa4a50a240e542620fb&prov=M&dok_var=1&dok_ext=htm Inhaltstext X:MVB http://www.springer.com/ DNB Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034279699&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis 1\p vlb 20221110 DE-101 https://d-nb.info/provenance/plan#vlb
spellingShingle	Haim, Mario 1987- Computational Communication Science eine Einführung Kommunikationswissenschaft (DE-588)4120588-1 gnd Big Data (DE-588)4802620-7 gnd Text Mining (DE-588)4728093-1 gnd Ethik (DE-588)4015602-3 gnd Maschinelles Lernen (DE-588)4193754-5 gnd Datenschutz (DE-588)4011134-9 gnd Bildverarbeitung (DE-588)4006684-8 gnd Datenverarbeitung (DE-588)4011152-0 gnd
subject_GND	(DE-588)4120588-1 (DE-588)4802620-7 (DE-588)4728093-1 (DE-588)4015602-3 (DE-588)4193754-5 (DE-588)4011134-9 (DE-588)4006684-8 (DE-588)4011152-0 (DE-588)4123623-3
title	Computational Communication Science eine Einführung
title_auth	Computational Communication Science eine Einführung
title_exact_search	Computational Communication Science eine Einführung
title_exact_search_txtP	Computational Communication Science eine Einführung
title_full	Computational Communication Science eine Einführung Mario Haim
title_fullStr	Computational Communication Science eine Einführung Mario Haim
title_full_unstemmed	Computational Communication Science eine Einführung Mario Haim
title_short	Computational Communication Science
title_sort	computational communication science eine einfuhrung
title_sub	eine Einführung
topic	Kommunikationswissenschaft (DE-588)4120588-1 gnd Big Data (DE-588)4802620-7 gnd Text Mining (DE-588)4728093-1 gnd Ethik (DE-588)4015602-3 gnd Maschinelles Lernen (DE-588)4193754-5 gnd Datenschutz (DE-588)4011134-9 gnd Bildverarbeitung (DE-588)4006684-8 gnd Datenverarbeitung (DE-588)4011152-0 gnd
topic_facet	Kommunikationswissenschaft Big Data Text Mining Ethik Maschinelles Lernen Datenschutz Bildverarbeitung Datenverarbeitung Lehrbuch
url	http://deposit.dnb.de/cgi-bin/dokserv?id=1c5e310b0e644fa4a50a240e542620fb&prov=M&dok_var=1&dok_ext=htm http://www.springer.com/ http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034279699&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT haimmario computationalcommunicationscienceeineeinfuhrung AT springerfachmedienwiesbaden computationalcommunicationscienceeineeinfuhrung

Verfügbarkeit

Es ist kein Print-Exemplar vorhanden.

Fernleihe Bestellen Achtung: Nicht im THWS-Bestand! Beschreibung

MARC

Datensatz im Suchindex

Es ist kein Print-Exemplar vorhanden.

Ähnliche Einträge