Verfügbarkeit: Einführung in Data Science | Technische Universität München

Einführung in Data Science:

Gespeichert in:

Bibliographische Detailangaben
Beteilige Person:	Grus, Joel (VerfasserIn)
Weitere beteiligte Personen:	Rother, Kristian 1977- (ÜbersetzerIn)
Format:	Buch
Sprache:	Deutsch Englisch
Veröffentlicht:	Heidelberg O'Reilly 2016
Ausgabe:	1. Auflage
Schlagwörter:	Python 2.7 Data Science Daten Datenmanagement Datenstruktur Datenanalyse Python > Programmiersprache Data Mining Einsteiger in die Datenanalyse mit mathematischen Grundkenntnissen und Programmiererfahrung Big Data Python Statistik Einführung
Links:	http://deposit.dnb.de/cgi-bin/dokserv?id=b988b4354cf74f569e55b2946e39091c&prov=M&dok_var=1&dok_ext=htm http://www.oreilly.de/leseproben/12447/2_Einfuehrung.pdf http://www.oreilly.de/leseproben/12447/3_Index.pdf http://www.oreilly.de/buecher/12447/9783960090212-einf%C3%BChrung-in-data-science.html http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=028766761&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
Beschreibung:	Titelzusatz auf Umschlag: "Grundprinzipien der Datenanalyse mit Python"
Umfang:	XV, 329 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm
ISBN:	9783960090212

Internformat

MARC


LEADER	00000nam a22000008c 4500
001	BV043347185
003	DE-604
005	20180917
007	t\|
008	160208s2016 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 16,N04 \|2 dnb
015			\|a 16,A22 \|2 dnb
016	7		\|a 1081384565 \|2 DE-101
020			\|a 9783960090212 \|c Broschur : EUR 34.90 (DE), circa EUR 35.90 (AT) \|9 978-3-96009-021-2
035			\|a (OCoLC)936175093
035			\|a (DE-599)DNB1081384565
040			\|a DE-604 \|b ger \|e rda
041	1		\|a ger \|h eng
044			\|a gw \|c XA-DE-BW
049			\|a DE-824 \|a DE-M347 \|a DE-862 \|a DE-384 \|a DE-11 \|a DE-B768 \|a DE-1102 \|a DE-92 \|a DE-83 \|a DE-858 \|a DE-522 \|a DE-859 \|a DE-355 \|a DE-29T \|a DE-Aug4 \|a DE-860 \|a DE-739 \|a DE-188 \|a DE-20 \|a DE-573 \|a DE-12 \|a DE-521 \|a DE-1043 \|a DE-473 \|a DE-N2 \|a DE-525 \|a DE-706 \|a DE-1028 \|a DE-1049 \|a DE-91G \|a DE-1046
082	0		\|a 006.312 \|2 22/ger
082	0		\|a 004 \|2 23
084			\|a QH 500 \|0 (DE-625)141607: \|2 rvk
084			\|a QP 345 \|0 (DE-625)141866: \|2 rvk
084			\|a SK 850 \|0 (DE-625)143263: \|2 rvk
084			\|a ST 250 \|0 (DE-625)143626: \|2 rvk
084			\|a ST 265 \|0 (DE-625)143634: \|2 rvk
084			\|a ST 270 \|0 (DE-625)143638: \|2 rvk
084			\|a ST 530 \|0 (DE-625)143679: \|2 rvk
084			\|a ST 601 \|0 (DE-625)143682: \|2 rvk
084			\|a 004 \|2 sdnb
084			\|a 510 \|2 sdnb
084			\|a DAT 600f \|2 stub
100	1		\|a Grus, Joel \|e Verfasser \|0 (DE-588)1098174119 \|4 aut
240	1	0	\|0 (DE-588)1107563453 \|a Data Science from scratch
245	1	0	\|a Einführung in Data Science \|c Joel Grus ; deutsche Übersetzung von Kristian Rother
250			\|a 1. Auflage
264		1	\|a Heidelberg \|b O'Reilly \|c 2016
300			\|a XV, 329 Seiten \|b Illustrationen, Diagramme \|c 24 cm x 16.5 cm
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
500			\|a Titelzusatz auf Umschlag: "Grundprinzipien der Datenanalyse mit Python"
650	0	7	\|a Python 2.7 \|0 (DE-588)7741095-6 \|2 gnd \|9 rswk-swf
650	0	7	\|a Data Science \|0 (DE-588)1140936166 \|2 gnd \|9 rswk-swf
650	0	7	\|a Daten \|0 (DE-588)4135391-2 \|2 gnd \|9 rswk-swf
650	0	7	\|a Datenmanagement \|0 (DE-588)4213132-7 \|2 gnd \|9 rswk-swf
650	0	7	\|a Datenstruktur \|0 (DE-588)4011146-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Datenanalyse \|0 (DE-588)4123037-1 \|2 gnd \|9 rswk-swf
650	0	7	\|a Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Data Mining \|0 (DE-588)4428654-5 \|2 gnd \|9 rswk-swf
653			\|a Einsteiger in die Datenanalyse mit mathematischen Grundkenntnissen und Programmiererfahrung
653			\|a Big Data
653			\|a Data Mining
653			\|a Data Science
653			\|a Datenanalyse
653			\|a Python
653			\|a Statistik
655		7	\|0 (DE-588)4151278-9 \|a Einführung \|2 gnd-content
689	0	0	\|a Daten \|0 (DE-588)4135391-2 \|D s
689	0	1	\|a Datenmanagement \|0 (DE-588)4213132-7 \|D s
689	0	2	\|a Datenstruktur \|0 (DE-588)4011146-5 \|D s
689	0	3	\|a Data Mining \|0 (DE-588)4428654-5 \|D s
689	0	4	\|a Python 2.7 \|0 (DE-588)7741095-6 \|D s
689	0		\|5 DE-604
689	1	0	\|a Daten \|0 (DE-588)4135391-2 \|D s
689	1	1	\|a Datenmanagement \|0 (DE-588)4213132-7 \|D s
689	1	2	\|a Datenstruktur \|0 (DE-588)4011146-5 \|D s
689	1	3	\|a Data Mining \|0 (DE-588)4428654-5 \|D s
689	1	4	\|a Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|D s
689	1		\|8 1\p \|5 DE-604
689	2	0	\|a Data Mining \|0 (DE-588)4428654-5 \|D s
689	2	1	\|a Datenanalyse \|0 (DE-588)4123037-1 \|D s
689	2	2	\|a Datenstruktur \|0 (DE-588)4011146-5 \|D s
689	2	3	\|a Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|D s
689	2		\|8 2\p \|5 DE-604
689	3	0	\|a Datenanalyse \|0 (DE-588)4123037-1 \|D s
689	3	1	\|a Python 2.7 \|0 (DE-588)7741095-6 \|D s
689	3	2	\|a Data Mining \|0 (DE-588)4428654-5 \|D s
689	3		\|8 3\p \|5 DE-604
689	4	0	\|a Data Science \|0 (DE-588)1140936166 \|D s
689	4	1	\|a Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|D s
689	4		\|8 4\p \|5 DE-604
700	1		\|a Rother, Kristian \|d 1977- \|0 (DE-588)133397068 \|4 trl
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, PDF \|z 978-3-96010-024-9
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, epub \|z 978-3-96010-025-6
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, mobi \|z 978-3-96010-026-3
856	4	2	\|m X:MVB \|q text/html \|u http://deposit.dnb.de/cgi-bin/dokserv?id=b988b4354cf74f569e55b2946e39091c&prov=M&dok_var=1&dok_ext=htm \|3 Inhaltstext
856	4	2	\|q application/pdf \|u http://www.oreilly.de/leseproben/12447/2_Einfuehrung.pdf \|3 Einführung/Vorwort
856	4	2	\|q application/pdf \|u http://www.oreilly.de/leseproben/12447/3_Index.pdf \|3 Auszug/Index
856	4	2	\|q text/html \|u http://www.oreilly.de/buecher/12447/9783960090212-einf%C3%BChrung-in-data-science.html \|3 Ausführliche Beschreibung
856	4	2	\|m Digitalisierung UB Regensburg - ADAM Catalogue Enrichment \|q application/pdf \|u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=028766761&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
883	1		\|8 1\p \|a cgwrk \|d 20201028 \|q DE-101 \|u https://d-nb.info/provenance/plan#cgwrk
883	1		\|8 2\p \|a cgwrk \|d 20201028 \|q DE-101 \|u https://d-nb.info/provenance/plan#cgwrk
883	1		\|8 3\p \|a cgwrk \|d 20201028 \|q DE-101 \|u https://d-nb.info/provenance/plan#cgwrk
883	1		\|8 4\p \|a cgwrk \|d 20201028 \|q DE-101 \|u https://d-nb.info/provenance/plan#cgwrk
942	1	1	\|c 004 \|e 22/bsb
943	1		\|a oai:aleph.bib-bvb.de:BVB01-028766761

Datensatz im Suchindex

DE-BY-TUM_call_number	0102 DAT 600f 2018 A 4305
DE-BY-TUM_katkey	2364180
DE-BY-TUM_location	01
DE-BY-TUM_media_number	040008684782
_version_	1821934323570311168
adam_text	Inhalt Vorwort................................................................ XI 1 Einführung 1 Der Aufstieg der Daten................................................. 1 Was ist Data Science?5................................................. 1 Ein motivierendes Szenario: DataSciencester ........................... 3 2 Ein Crashkurs in Python 15 Grundlagen............................................................ 15 Über die Grundlagen hinaus............................................ 28 Weiterführendes Material.............................................. 37 3 Daten visualisieren 39 matplotlib............................................................ 39 Balkendiagramme ..................................................... 41 Liniendiagramme.................................................... 45 Scatterplots........................................................ 46 Weiterführendes Material.............................................. 49 4 Lineare Algebra 51 Vektoren.............................................................. 51 Matrizen.............................................................. 55 Weiterführendes Material . . . ...................................... 58 5 Statistik............................................................. 59 Einen einzelnen Datensatz beschreiben ................................ 59 64 67 68 69 70 71 71 72 74 75 76 77 81 83 85 85 85 88 90 91 92 93 97 99 99 100 103 104 104 106 107 Korrelation................................. Das Simpson-Paradoxon....................... Weitere Fallstricke von Korrelationen....... Korrelation und Kausalität.................. Weiterführendes Material ................... Wahrscheinlichkeit Abhängigkeit und Unabhängigkeit............. Bedingte Wahrscheinlichkeit................. Der Satz von Bayes ......................... Zufallsvanablen ............................ Kontinuierliche Wahrscheinlichkeitsverteilungen Die Normalverteilung........................ Der zentrale Grenzwertsatz ................. Weiterführendes Material ................... Hypothesen und Schlussfolgerungen Testen statistischer Hypothesen............. Beispiel: Münzwürfe......................... p-Werie..................................... Konfidenzintervalle......................... P Hacking .................................. Beispiel: Durchführen eines A/B-Tests ...... Bayessche Inferenz ......................... Weiterführendes Material ................... Die Gradientenmethode Die Idee hinter der Gradientenmethode ...... Abschätzen des Gradienten................... Den Gradienten verwenden.................... Auswahl der richtigen Schrittweite.......... Anwendungsbeispiel.......................... Stochastische Gradientenmethode............. Weilerführendes Material ................... Inhalt 9 Daten sammeln 109 stdm und stdout ................................................... 109 Einlesen von Dateien .............................................. 111 Auslesen von Webseiten............................................. 114 Verwenden von APIs ................................................ 121 Beispiel: Verwenden der Twitter-APIs .............................. 124 Weiterführendes Material........................................... 127 10 Arbeiten mit Daten 129 Erkunden Ihrer Daten .............................................. 129 Bereinigen und Umformen............................................ 135 Manipulieren von Daten............................................. 137 Umskalieren ....................................................... 141 Hauptkomponentenanalyse ........................................... 142 Weiterführendes Material........................................... 148 11 Maschinelles Lernen 149 Modellieren........................................................ 149 Was ist maschinelles Lernen? ...................................... 150 Overfitting und Underfitting....................................... 151 Genauigkeit........................................................ 153 Der Kompromiss zwischen Bias und Varianz .......................... 156 Extraktion und Auswahl von Eigenschaften........................... 157 Weiterführendes Material........................................... 159 12 k-Nächste-Nachbarn 161 Das Modell......................................................... 161 Beispiel: bevorzugte Programmiersprachen .......................... 163 Der Fluch der Dimensionalität ..................................... 167 Weiterführendes Material........................................... 173 13 Naive Bayes-Klassifikatoren 175 Ein wirklich primitiver Spam-Filter................................ 175 Ein anspruchsvollerer Spam-Filter . . . ........................... 176 Implementierung.................................................... 178 Inhalt I VII Testen des Modells................................................. 179 Weiter führendes Material ......................................... 182 14 Einfache lineare Regression........................................ 183 Das Modell......................................................... 183 Anwenden des Gradientenverfahrens.................................. 186 Maximum-Likelihood-Methode......................................... 187 Weiterführendes Material .......................................... 187 15 Multiple Regression 189 Das Modell......................................................... 189 Weitere Annahmen bei der Methode der kleinsten Quadrate............ 190 Anpassen des Modells............................................... 191 Interpretation des Modells........................................ 192 Anpassungsgüte .................................................... 193 Exkurs: Bootstrappmg............................................... 194 Standardfehler von Regressionskoeffizienten........................ 195 Regulansierung..................................................... 197 Weiterführendes Material .......................................... 199 16 Logistische Regression 201 Die Aufgabe........................................................ 201 Die logistische Funktion .......................................... 204 Anwendung des Modells.............................................. 206 Anpassungsgüte .................................................... 207 Support Vector Machines ........................................... 208 Weiterführendes Material .......................................... 212 17 Entscheidungsbäume 213 Was ist ein Entscheidungsbaum?......................................213 Entropie............................................................215 Die Entropie einer Partition........................................217 Einen Entscheidungsbaum erzeugen....................................218 Verallgemeinerung des Verfahrens .................................. 221 Random Forests .................................................... 223 Weiterführendes Material .......................................... 224 VIII Inhalt 18 Neuronale Netzwerke 225 Perzeptrons........................................................ 225 Feed-forward-Netze................................................. 227 Backpropagation.................................................... 230 Beispiel: Bezwingen eines CAPTCHA ................................ 231 Weiterführendes Material........................................... 236 19 Clustering 237 Die Idee .......................................................... 237 Das Modell......................................................... 238 Beispiel: Meetups................................................. 239 Die Auswahl von k.................................................. 242 Beispiel: Clustern von Farben...................................... 243 Agglomeratives hierarchisches Clustering........................... 245 Weiterführendes Material........................................... 250 20 Linguistische Datenverarbeitung 251 Wortwolken........................................................ 251 N-Gramm-Modelle .................................................. 253 Grammatiken ....................................................... 256 Exkurs: Gibbs-Sampling............................................. 258 Themenmodeliierung................................................. 260 Weiterführendes Material........................................... 265 21 Graphenanalyse 267 Betweenness-Zentralüät............................................. 267 Eigenvektor-Zentralität............................................ 272 Gerichtete Graphen und PageRank.................................... 276 Weiterführendes Material........................................... 279 22 Empfehlungssysteme 281 Manuelle Pflege.................................................... 282 Empfehlen, was beliebt ist ........................................ 282 Nutzerbasiertes kollaboratives Filtern ............................ 283 Gegenstandsbasiertes kollaboratives Filtern........................ 286 Weiterführendes Material........................................... 288 Inhalt \| IX 23 Datenbanken und SQL 289 CREATE TABLE und INSERT.........................................289 UPDATE .........................................................291 DELETE .........................................................292 SELECT..........................................................292 GROUP BY .......................................................294 ORDER BY .......................................................296 JOIN...........................................................2 97 Subqueries......................................................300 Indexstrukturen ................................................300 Optimierung von Anfragen ...................................... 301 NoSQL ..........................................................301 Weiterführendes Material .......................................302 24 MapReduce 303 Beispiel: Wörter zählen........................................ 303 Warum MapReduce?................................................303 MapReduce verallgemeinert...................................... 306 Beispiel: Statusmeldungen analysieren ......................... 307 Beispiel: Matrizenmultiplikation............................... 308 Eine Randbemerkung: Combiners ................................. 310 Weiterführendes Material ...................................... 310 25 Gehet hin und praktizieret Data Science 313 IPython . ..................................................... 313 Mathematik .....................................................3^4 Nicht bei null starren............................................ Finden Sie Daten................................................. Data Science in der Praxis ...................................... Index 321 X I Inhalt
any_adam_object	1
author	Grus, Joel
author2	Rother, Kristian 1977-
author2_role	trl
author2_variant	k r kr
author_GND	(DE-588)1098174119 (DE-588)133397068
author_facet	Grus, Joel Rother, Kristian 1977-
author_role	aut
author_sort	Grus, Joel
author_variant	j g jg
building	Verbundindex
bvnumber	BV043347185
classification_rvk	QH 500 QP 345 SK 850 ST 250 ST 265 ST 270 ST 530 ST 601
classification_tum	DAT 600f
ctrlnum	(OCoLC)936175093 (DE-599)DNB1081384565
dewey-full	006.312 004
dewey-hundreds	000 - Computer science, information, general works
dewey-ones	006 - Special computer methods 004 - Computer science
dewey-raw	006.312 004
dewey-search	006.312 004
dewey-sort	16.312
dewey-tens	000 - Computer science, information, general works
discipline	Informatik Mathematik Wirtschaftswissenschaften
edition	1. Auflage
format	Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>05301nam a22011418c 4500</leader><controlfield tag="001">BV043347185</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20180917 </controlfield><controlfield tag="007">t\|</controlfield><controlfield tag="008">160208s2016 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">16,N04</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">16,A22</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1081384565</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783960090212</subfield><subfield code="c">Broschur : EUR 34.90 (DE), circa EUR 35.90 (AT)</subfield><subfield code="9">978-3-96009-021-2</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)936175093</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1081384565</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="1" ind2=" "><subfield code="a">ger</subfield><subfield code="h">eng</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-BW</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-824</subfield><subfield code="a">DE-M347</subfield><subfield code="a">DE-862</subfield><subfield code="a">DE-384</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-B768</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-83</subfield><subfield code="a">DE-858</subfield><subfield code="a">DE-522</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-739</subfield><subfield code="a">DE-188</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-12</subfield><subfield code="a">DE-521</subfield><subfield code="a">DE-1043</subfield><subfield code="a">DE-473</subfield><subfield code="a">DE-N2</subfield><subfield code="a">DE-525</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-1028</subfield><subfield code="a">DE-1049</subfield><subfield code="a">DE-91G</subfield><subfield code="a">DE-1046</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">006.312</subfield><subfield code="2">22/ger</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">004</subfield><subfield code="2">23</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="084" ind1=" " ind2=" "><subfield code="a">QP 345</subfield><subfield code="0">(DE-625)141866:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">SK 850</subfield><subfield code="0">(DE-625)143263:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 250</subfield><subfield code="0">(DE-625)143626:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 265</subfield><subfield code="0">(DE-625)143634:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 270</subfield><subfield code="0">(DE-625)143638:</subfield><subfield code="2">rvk</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">ST 601</subfield><subfield code="0">(DE-625)143682:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">004</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">510</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 600f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Grus, Joel</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1098174119</subfield><subfield code="4">aut</subfield></datafield><datafield tag="240" ind1="1" ind2="0"><subfield code="0">(DE-588)1107563453</subfield><subfield code="a">Data Science from scratch</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Einführung in Data Science</subfield><subfield code="c">Joel Grus ; deutsche Übersetzung von Kristian Rother</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">1. Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Heidelberg</subfield><subfield code="b">O'Reilly</subfield><subfield code="c">2016</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XV, 329 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield><subfield code="c">24 cm x 16.5 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="500" ind1=" " ind2=" "><subfield code="a">Titelzusatz auf Umschlag: "Grundprinzipien der Datenanalyse mit Python"</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Python 2.7</subfield><subfield code="0">(DE-588)7741095-6</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">Daten</subfield><subfield code="0">(DE-588)4135391-2</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Datenmanagement</subfield><subfield code="0">(DE-588)4213132-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Datenstruktur</subfield><subfield code="0">(DE-588)4011146-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Python</subfield><subfield code="g">Programmiersprache</subfield><subfield code="0">(DE-588)4434275-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Einsteiger in die Datenanalyse mit mathematischen Grundkenntnissen und Programmiererfahrung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Big Data</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Mining</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Science</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Datenanalyse</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Python</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Statistik</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4151278-9</subfield><subfield code="a">Einführung</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Daten</subfield><subfield code="0">(DE-588)4135391-2</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Datenmanagement</subfield><subfield code="0">(DE-588)4213132-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Datenstruktur</subfield><subfield code="0">(DE-588)4011146-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="3"><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="4"><subfield code="a">Python 2.7</subfield><subfield code="0">(DE-588)7741095-6</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">Daten</subfield><subfield code="0">(DE-588)4135391-2</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Datenmanagement</subfield><subfield code="0">(DE-588)4213132-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="2"><subfield code="a">Datenstruktur</subfield><subfield code="0">(DE-588)4011146-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="3"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="4"><subfield code="a">Python</subfield><subfield code="g">Programmiersprache</subfield><subfield code="0">(DE-588)4434275-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="2" 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="2" ind2="1"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="2"><subfield code="a">Datenstruktur</subfield><subfield code="0">(DE-588)4011146-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="3"><subfield code="a">Python</subfield><subfield code="g">Programmiersprache</subfield><subfield code="0">(DE-588)4434275-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2=" "><subfield code="8">2\p</subfield><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="3" ind2="0"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="3" ind2="1"><subfield code="a">Python 2.7</subfield><subfield code="0">(DE-588)7741095-6</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="3" ind2="2"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="3" ind2=" "><subfield code="8">3\p</subfield><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="4" ind2="0"><subfield code="a">Data Science</subfield><subfield code="0">(DE-588)1140936166</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="4" ind2="1"><subfield code="a">Python</subfield><subfield code="g">Programmiersprache</subfield><subfield code="0">(DE-588)4434275-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="4" ind2=" "><subfield code="8">4\p</subfield><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Rother, Kristian</subfield><subfield code="d">1977-</subfield><subfield code="0">(DE-588)133397068</subfield><subfield code="4">trl</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">978-3-96010-024-9</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">978-3-96010-025-6</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, mobi</subfield><subfield code="z">978-3-96010-026-3</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=b988b4354cf74f569e55b2946e39091c&prov=M&dok_var=1&dok_ext=htm</subfield><subfield code="3">Inhaltstext</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="q">application/pdf</subfield><subfield code="u">http://www.oreilly.de/leseproben/12447/2_Einfuehrung.pdf</subfield><subfield code="3">Einführung/Vorwort</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="q">application/pdf</subfield><subfield code="u">http://www.oreilly.de/leseproben/12447/3_Index.pdf</subfield><subfield code="3">Auszug/Index</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="q">text/html</subfield><subfield code="u">http://www.oreilly.de/buecher/12447/9783960090212-einf%C3%BChrung-in-data-science.html</subfield><subfield code="3">Ausführliche Beschreibung</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">Digitalisierung UB Regensburg - ADAM Catalogue Enrichment</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=028766761&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">cgwrk</subfield><subfield code="d">20201028</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#cgwrk</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">2\p</subfield><subfield code="a">cgwrk</subfield><subfield code="d">20201028</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#cgwrk</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">3\p</subfield><subfield code="a">cgwrk</subfield><subfield code="d">20201028</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#cgwrk</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">4\p</subfield><subfield code="a">cgwrk</subfield><subfield code="d">20201028</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#cgwrk</subfield></datafield><datafield tag="942" ind1="1" ind2="1"><subfield code="c">004</subfield><subfield code="e">22/bsb</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-028766761</subfield></datafield></record></collection>
genre	(DE-588)4151278-9 Einführung gnd-content
genre_facet	Einführung
id	DE-604.BV043347185
illustrated	Illustrated
indexdate	2024-12-20T17:34:11Z
institution	BVB
isbn	9783960090212
language	German English
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-028766761
oclc_num	936175093
open_access_boolean
owner	DE-824 DE-M347 DE-862 DE-BY-FWS DE-384 DE-11 DE-B768 DE-1102 DE-92 DE-83 DE-858 DE-522 DE-859 DE-355 DE-BY-UBR DE-29T DE-Aug4 DE-860 DE-739 DE-188 DE-20 DE-573 DE-12 DE-521 DE-1043 DE-473 DE-BY-UBG DE-N2 DE-525 DE-706 DE-1028 DE-1049 DE-91G DE-BY-TUM DE-1046
owner_facet	DE-824 DE-M347 DE-862 DE-BY-FWS DE-384 DE-11 DE-B768 DE-1102 DE-92 DE-83 DE-858 DE-522 DE-859 DE-355 DE-BY-UBR DE-29T DE-Aug4 DE-860 DE-739 DE-188 DE-20 DE-573 DE-12 DE-521 DE-1043 DE-473 DE-BY-UBG DE-N2 DE-525 DE-706 DE-1028 DE-1049 DE-91G DE-BY-TUM DE-1046
physical	XV, 329 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm
publishDate	2016
publishDateSearch	2016
publishDateSort	2016
publisher	O'Reilly
record_format	marc
spellingShingle	Grus, Joel Einführung in Data Science Python 2.7 (DE-588)7741095-6 gnd Data Science (DE-588)1140936166 gnd Daten (DE-588)4135391-2 gnd Datenmanagement (DE-588)4213132-7 gnd Datenstruktur (DE-588)4011146-5 gnd Datenanalyse (DE-588)4123037-1 gnd Python Programmiersprache (DE-588)4434275-5 gnd Data Mining (DE-588)4428654-5 gnd
subject_GND	(DE-588)7741095-6 (DE-588)1140936166 (DE-588)4135391-2 (DE-588)4213132-7 (DE-588)4011146-5 (DE-588)4123037-1 (DE-588)4434275-5 (DE-588)4428654-5 (DE-588)4151278-9
title	Einführung in Data Science
title_GND	(DE-588)1107563453
title_alt	Data Science from scratch
title_auth	Einführung in Data Science
title_exact_search	Einführung in Data Science
title_full	Einführung in Data Science Joel Grus ; deutsche Übersetzung von Kristian Rother
title_fullStr	Einführung in Data Science Joel Grus ; deutsche Übersetzung von Kristian Rother
title_full_unstemmed	Einführung in Data Science Joel Grus ; deutsche Übersetzung von Kristian Rother
title_short	Einführung in Data Science
title_sort	einfuhrung in data science
topic	Python 2.7 (DE-588)7741095-6 gnd Data Science (DE-588)1140936166 gnd Daten (DE-588)4135391-2 gnd Datenmanagement (DE-588)4213132-7 gnd Datenstruktur (DE-588)4011146-5 gnd Datenanalyse (DE-588)4123037-1 gnd Python Programmiersprache (DE-588)4434275-5 gnd Data Mining (DE-588)4428654-5 gnd
topic_facet	Python 2.7 Data Science Daten Datenmanagement Datenstruktur Datenanalyse Python Programmiersprache Data Mining Einführung
url	http://deposit.dnb.de/cgi-bin/dokserv?id=b988b4354cf74f569e55b2946e39091c&prov=M&dok_var=1&dok_ext=htm http://www.oreilly.de/leseproben/12447/2_Einfuehrung.pdf http://www.oreilly.de/leseproben/12447/3_Index.pdf http://www.oreilly.de/buecher/12447/9783960090212-einf%C3%BChrung-in-data-science.html http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=028766761&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT grusjoel datasciencefromscratch AT rotherkristian datasciencefromscratch AT grusjoel einfuhrungindatascience AT rotherkristian einfuhrungindatascience

Verfügbarkeit

Bestellen (Login erforderlich)

Inhaltsverzeichnis
Paper/Kapitel scannen lassen

Teilbibliothek Mathematik & Informatik

Bestandsangaben von Teilbibliothek Mathematik & Informatik
Signatur:	0102 DAT 600f 2018 A 4305 Lageplan
Exemplar 1	Ausleihbar Am Standort