Holdings: Data Mining :: THWS Bibkatalog

Data Mining: Datenanalyse für Künstliche Intelligenz

Saved in:

Bibliographic Details
Main Authors:	Cleve, Jürgen 1957- (Author), Lämmel, Uwe 1956- (Author)
Format:	Book
Language:	German
Published:	Berlin ; Boston De Gruyter [2024]
Edition:	4. Auflage
Series:	De Gruyter Studium
Subjects:	Data Mining Big Data TB: Textbook Lehrbuch
Online Access:	Inhaltsverzeichnis
Physical Description:	XII, 336 Seiten Illustrationen, Diagramme 17 cm x 24 cm, 578 g
ISBN:	9783111387260 3110676230

Staff View

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

Record in the Search Index

_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

Holdings

There is no print copy available.

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

MARC

Record in the Search Index

There is no print copy available.

Similar Items