Data Mining: Datenanalyse für Künstliche Intelligenz
Gespeichert in:
| Hauptverfasser: | , |
|---|---|
| Format: | Buch |
| Sprache: | German |
| Veröffentlicht: |
Berlin ; Boston
De Gruyter
[2024]
|
| Ausgabe: | 4. Auflage |
| Schriftenreihe: | De Gruyter Studium
|
| Schlagworte: | |
| Online-Zugang: | Inhaltsverzeichnis |
| Beschreibung: | XII, 336 Seiten Illustrationen, Diagramme 17 cm x 24 cm, 578 g |
| ISBN: | 9783111387260 3110676230 |
Internformat
MARC
| LEADER | 00000nam a22000008c 4500 | ||
|---|---|---|---|
| 001 | BV049723199 | ||
| 003 | DE-604 | ||
| 005 | 20250212 | ||
| 007 | t| | ||
| 008 | 240530s2024 gw a||| |||| 00||| ger d | ||
| 020 | |a 9783111387260 |c kart. : EUR 44.95 (DE), EUR 44.95 (AT) |9 978-3-11-138726-0 | ||
| 020 | |a 3110676230 |9 3-11-067623-0 | ||
| 024 | 3 | |a 9783110676235 | |
| 035 | |a (OCoLC)1437876255 | ||
| 035 | |a (DE-599)BVBBV049723199 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c XA-DE-BE | ||
| 049 | |a DE-20 |a DE-634 |a DE-92 |a DE-Aug4 |a DE-1051 |a DE-523 |a DE-29T |a DE-1102 |a DE-355 |a DE-1050 |a DE-861 |a DE-703 |a DE-526 | ||
| 084 | |a ST 530 |0 (DE-625)143679: |2 rvk | ||
| 084 | |a QH 500 |0 (DE-625)141607: |2 rvk | ||
| 100 | 1 | |a Cleve, Jürgen |d 1957- |e Verfasser |0 (DE-588)136387365 |4 aut | |
| 245 | 1 | 0 | |a Data Mining |b Datenanalyse für Künstliche Intelligenz |c Jürgen Cleve, Uwe Lämmel |
| 250 | |a 4. Auflage | ||
| 264 | 1 | |a Berlin ; Boston |b De Gruyter |c [2024] | |
| 264 | 4 | |c © 2024 | |
| 300 | |a XII, 336 Seiten |b Illustrationen, Diagramme |c 17 cm x 24 cm, 578 g | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 490 | 0 | |a De Gruyter Studium | |
| 650 | 0 | 7 | |a Data Mining |0 (DE-588)4428654-5 |2 gnd |9 rswk-swf |
| 653 | |a Data Mining | ||
| 653 | |a Big Data | ||
| 653 | |a TB: Textbook | ||
| 655 | 7 | |0 (DE-588)4123623-3 |a Lehrbuch |2 gnd-content | |
| 689 | 0 | 0 | |a Data Mining |0 (DE-588)4428654-5 |D s |
| 689 | 0 | |5 DE-604 | |
| 700 | 1 | |a Lämmel, Uwe |d 1956- |e Verfasser |0 (DE-588)111061334 |4 aut | |
| 710 | 2 | |a Walter de Gruyter GmbH & Co. KG |0 (DE-588)10095502-2 |4 pbl | |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, PDF |z 978-3-11-138770-3 |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, EPUB |z 978-3-11-138809-0 |
| 856 | 4 | 2 | |m Digitalisierung Bibliothek HTW Berlin |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=035065543&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 943 | 1 | |a oai:aleph.bib-bvb.de:BVB01-035065543 | |
Datensatz im Suchindex
| _version_ | 1824936748554125312 |
|---|---|
| adam_text |
INHALT
1
EINFUEHRUNG
-1
1.1
AUSWERTUNG VON MASSENDATEN -1
1.2
ABLAUF EINER DATENANALYSE - 2
1.3
DAS VORGEHENSMODELL VON FAYYAD - 8
1.4
INTERDISZIPLINARITAET VON DATA MINING -11
1.5
WOZU DATA
MINING?-17
1.6
WERKZEUGE - 20
1.6.1
KNIME - 21
1.6.2
WEKA-
30
1.6.3
JAVANNS - 34
1.6.4
PYTHON
- 39
2
GRUNDLAGEN DES DATA MINING -45
2.1
GRUNDBEGRIFFE-45
2.2
DATENTYPEN - 47
2.3
ABSTANDS- UND AEHNLICHKEITSMASSE - 51
2.4
GRUNDLAGEN KUENSTLICHER NEURONALER NETZE - 55
2.5
LOGIK-59
2.6
UEBERWACHTES UND UNUEBERWACHTES LERNEN - 63
3
ANWENDUNGSKLASSEN - 65
3.1
CLUSTER-ANALYSE
- 66
3.2
KLASSIFIKATION - 68
3.3
NUMERISCHE VORHERSAGE -70
3.4
ASSOZIATIONSANALYSE - 72
3.5
TEXT MINING-74
3.6
WEB MINING -
75
4
WISSENSREPRAESENTATION -N
4.1
ENTSCHEIDUNGSTABELLE
-77
4.2
ENTSCHEIDUNGSBAEUME
-79
4.3
REGELN - 81
4.4
ASSOZIATIONSREGELN
- 82
4.5
INSTANZENBASIERTE DARSTELLUNG - 87
4.6
REPRAESENTATION VON CLUSTERN -
88
4.7
NEURONALE NETZE ALS WISSENSSPEICHER - 89
X IN HALT
-
5
KLASSIFIKATION -
91
6.7
CLUSTER-BILDUR
5.1
K-NEAREST NEIGHBOUR
- 91
6.7.1
AUFBAU
-1
5.1.1
K-NEAREST-NEIGHBOUR
-ALGORITHMUS
- 93
6.7.2
LERNEN
-1
5.1.2
EIN
VERFEINERTER ALGORITHMUS
- 97
6.7.3
VISUALISIERUNI
5.2
ENTSCHEIDUNGSBAUMLERNEN
-100
6.7.4
EIN
BEISPIEL
-
5.2.1 ERZEUGEN
EINES
ENTSCHEIDUNGSBAUMS
-
100
6.8
CLUSTER-BILDU
5.2.2
AUSWAHL
EINES ATTRIBUTS -
102
6.9
CLUSTER-BILDU
5.2.3
DER ID3-ALGORITHMUS
ZUR ERZEUGUNG
EINES
ENTSCHEIDUNGSBAUMS
-105 6.10
DER
FUZZY
-C-I
5.2.4
ENTROPIE -112
5.2.5
DER GINI-INDEX -
114
7
ASSOZLATIONSANA
5.2.6
DER
C4.5-ALGORITHMUS
-
115
7.1
DER A
-PRIORI
-
5.2.7
PROBLEME
BEIM ENTSCHEIDUNGSBAUMLERNEN -
117
7.1.1
GENERIERUNG
5.2.8
ENTSCHEIDUNGSBAUM UND
REGELN -118
7.1.2
ERZEUGEN
DE
5.3
NAIVE BAYES
-121
7.2
FREQUENT
PA
5.3.1
BAYESSCHE
FORMEL-121
7.3
ASSOZIATIONS
5.3.2
DER
NAIVE-BAYES-ALGORITHMUS -
122
7.3.1
HIERARCHISCH
5.4
VORWAERTSGERICHTETE
NEURONALE NETZE -
130
7.3.2
QUANTITATIVE
5.4.1 ARCHITEKTUR
-
130
7.3.3
ERZEUGUNG
\
5.4.2
DAS
BACKPROPAGATION-OF-ERROR-LERNVERFAHREN
-133
5.4.3
MODIFIKATIONEN DES
BACKPROPAGATION-ALGORITHMUS
- 137
8
DATENVORBEREIT
5.4.4
-
138
8.1
MOTIVATION
EIN
BEISPIEL
5.4.5
CONVOLUTIONAL NEURAL NETWORKS
142
8.2
ARTEN
DER
D
5.5
SUPPORT VECTOR
MACHINES -
143
8.2.1
DATENSELEKI
5.5.1
GRUNDPRINZIP -
143
8.2.2
DATENSAEUB(
5.5.2
FORMALE DARSTELLUNG
VON SUPPORT
VECTOR MACHINES -
145 8.2.3
DATENREDULD
5.6
ENSEMBLE
LEARNING -149
8.2.4
UNGLEICHVEL
5.6.1
BAGGING-
150
8.2.5
DATENTRANS
5.6.2
BOOSTING -151
8.3
EIN
BEISPIEL
5.6.3
RANDOM
FOREST-
152
9
BEWERTUNG
-
6
CLUSTER-ANALYSE -153
9.1
PRINZIP
DER
6.1
ARTEN DER
CLUSTER-ANALYSE-153
9.2
INTERESSANT
6.1.1
PARTITIONIERENDE
CLUSTER-BILDUNG -
153
9.2.1
SUPPORT
-
6.1.2
HIERARCHISCHE
CLUSTER-BILDUNG -
154
9.2.2
KONFIDENZ
6.1.3
DICHTEBASIERTE CLUSTER-BILDUNG -
156
9.2.3
COMPLETER
6.1.4
CLUSTERMIT
NEURONALEN NETZEN
-ANALYSE
-
156
9.2.4
GAIN
-FUNK
6.2
DER K
-MEANS-ALGORITHMUS
-157
9.2.5
P-S-FUNKTI
6.3
DER
K-MEDOID-ALGORITHMUS -
167
9.2.6
LIFT
-
25
6.4
ERWARTUNGSMAXIMIERUNG
-172
9.2.7
EINORDNUN
6.5
AGGLOMERATIVES CLUSTERN -
174
6.6
DICHTEBASIERTES
CLUSTERN
-
178
7.1
DER A-PRIORI-ALGORITHMUS -197
7.1.1
GENERIERUNG
DER KANDIDATEN -199
7.1.2
ERZEUGEN DER REGELN - 201
7.2
FREQUENT
PATTERN GROWTH - 208
7.3
ASSOZIATIONSREGELN FUER SPEZIELLE AUFGABEN - 212
7.3.1
HIERARCHISCHE
ASSOZIATIONSREGELN - 212
7.3.2
QUANTITATIVE
ASSOZIATIONSREGELN - 213
7.3.3
ERZEUGUNG VON TEMPORALEN
ASSOZIATIONSREGELN - 215
[
7
ASSOZIATIONSANALYSE -197
6.7
CLUSTER-BILDUNG MITTELS SELBSTORGANISIERENDER KARTEN
-181
6.7.1
AUFBAU-182
6.7.2
LERNEN
-183
6.7.3
VISUALISIERUNG EINER SOM -185
6.7.4
EIN BEISPIEL -187
6.8
CLUSTER-BILDUNG MITTELS
NEURONALER GASE -189
6.9
CLUSTER-BILDUNG MITTELS ART -191
6.10
DER FUZZY-C-MEANS-ALGORITHMUS -193
INHALT
- XI
8
DATENVORBEREITUNG - 217
8.1
MOTIVATION - 217
8.2
ARTEN DER DATENVORBEREITUNG - 220
8.2.1
DATENSELEKTION
UND -INTEGRATION - 221
8.2.2
DATENSAEUBERUNG - 222
8.2.3
DATENREDUKTION - 228
8.2.4
UNGLEICHVERTEILUNG DES ZIELATTRIBUTS
- 231
8.2.5
DATENTRANSFORMATION - 232
8.3
EIN BEISPIEL - 243
9
BEWERTUNG - 249
9.1
PRINZIP DER MINIMALEN BESCHREIBUNGSLAENGEN
- 250
9.2
INTERESSANTHEITSMASSE
FUER ASSOZIATIONSREGELN - 250
9.2.1
SUPPORT-251
9.2.2
KONFIDENZ
- 251
9.2.3
COMPLETENESS - 252
9.2.4
GAIN-FUNKTION -
253
9.2.5
P-S-FUNKTION -
254
9.2.6
LIFT
- 255
9.2.7
EINORDNUNG DER
INTERESSANTHEITSMASSE - 256
XII -
INHALT
9.3
GUETEMASSE
UND
FEHLERKOSTEN -
256
9.3.1
FEHLERRATE
- 256
9.3.2
WEITERE
GUETEMASSE
FUER
KLASSIFIKATOREN
-
257
9.3.3
FEHLERKOSTEN
- 261
9.4
TESTMENGEN
- 262
9.5
QUALITAET VON
CLUSTERN -
264
9.6
VISUALISIERUNG
- 267
10
EINE
DATA-MINING
-AUFGABE
- 277
10.1
DIE
AUFGABE -
277
10.2
DAS PROBLEM
- 278
10.3
DIE
DATEN -
280
10.4
DATENVORBEREITUNG
-
286
10.5
EXPERIMENTE
-
288
10.5.1
K-NEAREST
NEIGHBOUR
-
290
10.5.2
NAIVE
BAYES -
293
10.5.3
ENTSCHEIDUNGSBAUMVERFAHREN
-
295
10.5.4
NEURONALE
NETZE -
298
10.6
PYTHON-PROGRAMM
-
305
10.6.1
DATENVORVERARBEITUNG
-
306
10.6.2
MODELLENTWICKLUNG
-
311
10.6.3
ANWENDUNG
DES MODELLS
- DIE
VORHERSAGE
- 315
10.7
AUSWERTUNG
DER
ERGEBNISSE -
320
A
ANHANG
-
BEISPIELDATEN
- 323
A.1
IRIS-DATEN
-
323
A.2
SOJABOHNEN -
324
A.3
WETTER-DATEN
- 326
A.4
KONTAKTLINSEN-DATEN
-
327
LITERATUR
-
329
STICHWORTVERZEICHNIS
-
333
1
EINFUEHRUNG
DATA YOU
DON'T
NEED IS RT(
ANDER'S
FIRST
NEGATIVE PR
1.1
AUSWERTUNG VL
DIE
MENGE
DER
VERFUEGT
TERNEHMEN,
JEDE
INSTIT
MUNGEN
DATEN:
BANKER
DATEN,
BEISPIELSWEISE
UET
TECHNOLOGIE-UNTERNEHRR
SCHRIFT-,
TEXT ODER
SPRA
VON
DATEN
WEITER
VORAN
WISSEN
SIE,
WER
WELCHE
FALLS
SIE
BERUFSTAETIG
SING
LEISTUNGSFAEHIGE
COMPT
SONDERN
DIESE
DATENUR
INTERESSANTE,
SONDERN
REINE
ARCHIVIEREN
VON
I
SCHIEBT
SICH
IN DEN
LETZT
DER
DATEN.
ZWEI
FRAGEN
-
WIE
WERTEN
WIR
DA
-
WAS
KOENNEN
WIR
UMFANGREICHE
DATEN LA
MITTELS
EINFACHER
EXC]
RE
GRENZEN.
FUER
GROSSE
BENOETIGT.
DIESE
TECHNII
HAENGEN,
UM
SO
BEISPIEL
ZU
KOENNEN.
DIESE
SUCHE
NACH
MUST
MININGS.
WAEHREND
MAR
ABBAUT,
WILL
MAN
IM D
DEN
SCHAETZEN,
DIE
IN DG
DATA
MINING
SUCHT
NAC
DATEN.
EINES
DIESER
SU
HTTPS://DOI.ORG/10.1515/9783111 |
| any_adam_object | 1 |
| author | Cleve, Jürgen 1957- Lämmel, Uwe 1956- |
| author_GND | (DE-588)136387365 (DE-588)111061334 |
| author_facet | Cleve, Jürgen 1957- Lämmel, Uwe 1956- |
| author_role | aut aut |
| author_sort | Cleve, Jürgen 1957- |
| author_variant | j c jc u l ul |
| building | Verbundindex |
| bvnumber | BV049723199 |
| classification_rvk | ST 530 QH 500 |
| ctrlnum | (OCoLC)1437876255 (DE-599)BVBBV049723199 |
| discipline | Informatik Wirtschaftswissenschaften |
| edition | 4. Auflage |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a22000008c 4500</leader><controlfield tag="001">BV049723199</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20250212</controlfield><controlfield tag="007">t|</controlfield><controlfield tag="008">240530s2024 gw a||| |||| 00||| ger d</controlfield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783111387260</subfield><subfield code="c">kart. : EUR 44.95 (DE), EUR 44.95 (AT)</subfield><subfield code="9">978-3-11-138726-0</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3110676230</subfield><subfield code="9">3-11-067623-0</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783110676235</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1437876255</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV049723199</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-20</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-1051</subfield><subfield code="a">DE-523</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-1050</subfield><subfield code="a">DE-861</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-526</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 530</subfield><subfield code="0">(DE-625)143679:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QH 500</subfield><subfield code="0">(DE-625)141607:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Cleve, Jürgen</subfield><subfield code="d">1957-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)136387365</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Data Mining</subfield><subfield code="b">Datenanalyse für Künstliche Intelligenz</subfield><subfield code="c">Jürgen Cleve, Uwe Lämmel</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">4. Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Berlin ; Boston</subfield><subfield code="b">De Gruyter</subfield><subfield code="c">[2024]</subfield></datafield><datafield tag="264" ind1=" " ind2="4"><subfield code="c">© 2024</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XII, 336 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield><subfield code="c">17 cm x 24 cm, 578 g</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">De Gruyter Studium</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Mining</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Big Data</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">TB: Textbook</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4123623-3</subfield><subfield code="a">Lehrbuch</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Lämmel, Uwe</subfield><subfield code="d">1956-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)111061334</subfield><subfield code="4">aut</subfield></datafield><datafield tag="710" ind1="2" ind2=" "><subfield code="a">Walter de Gruyter GmbH & Co. KG</subfield><subfield code="0">(DE-588)10095502-2</subfield><subfield code="4">pbl</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, PDF</subfield><subfield code="z">978-3-11-138770-3</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, EPUB</subfield><subfield code="z">978-3-11-138809-0</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">Digitalisierung Bibliothek HTW Berlin</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=035065543&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-035065543</subfield></datafield></record></collection> |
| genre | (DE-588)4123623-3 Lehrbuch gnd-content |
| genre_facet | Lehrbuch |
| id | DE-604.BV049723199 |
| illustrated | Illustrated |
| indexdate | 2025-02-24T11:08:25Z |
| institution | BVB |
| institution_GND | (DE-588)10095502-2 |
| isbn | 9783111387260 3110676230 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-035065543 |
| oclc_num | 1437876255 |
| open_access_boolean | |
| owner | DE-20 DE-634 DE-92 DE-Aug4 DE-1051 DE-523 DE-29T DE-1102 DE-355 DE-BY-UBR DE-1050 DE-861 DE-703 DE-526 |
| owner_facet | DE-20 DE-634 DE-92 DE-Aug4 DE-1051 DE-523 DE-29T DE-1102 DE-355 DE-BY-UBR DE-1050 DE-861 DE-703 DE-526 |
| physical | XII, 336 Seiten Illustrationen, Diagramme 17 cm x 24 cm, 578 g |
| publishDate | 2024 |
| publishDateSearch | 2024 |
| publishDateSort | 2024 |
| publisher | De Gruyter |
| record_format | marc |
| series2 | De Gruyter Studium |
| spelling | Cleve, Jürgen 1957- Verfasser (DE-588)136387365 aut Data Mining Datenanalyse für Künstliche Intelligenz Jürgen Cleve, Uwe Lämmel 4. Auflage Berlin ; Boston De Gruyter [2024] © 2024 XII, 336 Seiten Illustrationen, Diagramme 17 cm x 24 cm, 578 g txt rdacontent n rdamedia nc rdacarrier De Gruyter Studium Data Mining (DE-588)4428654-5 gnd rswk-swf Data Mining Big Data TB: Textbook (DE-588)4123623-3 Lehrbuch gnd-content Data Mining (DE-588)4428654-5 s DE-604 Lämmel, Uwe 1956- Verfasser (DE-588)111061334 aut Walter de Gruyter GmbH & Co. KG (DE-588)10095502-2 pbl Erscheint auch als Online-Ausgabe, PDF 978-3-11-138770-3 Erscheint auch als Online-Ausgabe, EPUB 978-3-11-138809-0 Digitalisierung Bibliothek HTW Berlin application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=035065543&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis |
| spellingShingle | Cleve, Jürgen 1957- Lämmel, Uwe 1956- Data Mining Datenanalyse für Künstliche Intelligenz Data Mining (DE-588)4428654-5 gnd |
| subject_GND | (DE-588)4428654-5 (DE-588)4123623-3 |
| title | Data Mining Datenanalyse für Künstliche Intelligenz |
| title_auth | Data Mining Datenanalyse für Künstliche Intelligenz |
| title_exact_search | Data Mining Datenanalyse für Künstliche Intelligenz |
| title_full | Data Mining Datenanalyse für Künstliche Intelligenz Jürgen Cleve, Uwe Lämmel |
| title_fullStr | Data Mining Datenanalyse für Künstliche Intelligenz Jürgen Cleve, Uwe Lämmel |
| title_full_unstemmed | Data Mining Datenanalyse für Künstliche Intelligenz Jürgen Cleve, Uwe Lämmel |
| title_short | Data Mining |
| title_sort | data mining datenanalyse fur kunstliche intelligenz |
| title_sub | Datenanalyse für Künstliche Intelligenz |
| topic | Data Mining (DE-588)4428654-5 gnd |
| topic_facet | Data Mining Lehrbuch |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=035065543&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT clevejurgen dataminingdatenanalysefurkunstlicheintelligenz AT lammeluwe dataminingdatenanalysefurkunstlicheintelligenz AT walterdegruytergmbhcokg dataminingdatenanalysefurkunstlicheintelligenz |