Verfügbarkeit: Einführung in Data Science | Technische Universität München

Einführung in Data Science: Grundprinzipien der Datenanalyse mit Python

Gespeichert in:

Bibliographische Detailangaben
Beteilige Person:	Grus, Joel (VerfasserIn)
Weitere beteiligte Personen:	Rother, Kristian 1977- (ÜbersetzerIn), Demmig, Thomas (ÜbersetzerIn)
Format:	Buch
Sprache:	Deutsch Englisch
Veröffentlicht:	Heidelberg O'Reilly [2020]
Ausgabe:	2. Auflage
Schlagwörter:	Datenstruktur Data Mining Datenmanagement Python 2.7 Data Science Daten Python > Programmiersprache Datenanalyse Paperback / softback Einsteiger in die Datenanalyse mit mathematischen Grundkenntnissen und Programmiererfahrung COM051360 COM021030 Big Data Python Statistik Einführung Algorithmen Wahrscheinlichkeit Mathematik MapReduce 1633: Hardcover, Softcover / Informatik, EDV/Programmiersprachen
Links:	http://deposit.dnb.de/cgi-bin/dokserv?id=3d56af8b604f434489a404fd1bd0f314&prov=M&dok_var=1&dok_ext=htm http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=031593333&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
Umfang:	XVII, 379 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm
ISBN:	9783960091233 3960091230

Internformat

MARC


LEADER	00000nam a22000008c 4500
001	BV046214513
003	DE-604
005	20221207
007	t\|
008	191024s2020 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 19,N37 \|2 dnb
016	7		\|a 1194016847 \|2 DE-101
020			\|a 9783960091233 \|c kart. : EUR 36.90 (DE), EUR 38.00 (AT) \|9 978-3-96009-123-3
020			\|a 3960091230 \|9 3-96009-123-0
024	3		\|a 9783960091233
035			\|a (OCoLC)1129393206
035			\|a (DE-599)DNB1194016847
040			\|a DE-604 \|b ger \|e rda
041	1		\|a ger \|h eng
044			\|a gw \|c XA-DE-BW
049			\|a DE-M347 \|a DE-860 \|a DE-706 \|a DE-92 \|a DE-634 \|a DE-1050 \|a DE-739 \|a DE-29T \|a DE-11 \|a DE-523 \|a DE-91G \|a DE-B768 \|a DE-355 \|a DE-Aug4 \|a DE-1049 \|a DE-19 \|a DE-859 \|a DE-12 \|a DE-83 \|a DE-898 \|a DE-20 \|a DE-863 \|a DE-861 \|a DE-573 \|a DE-858 \|a DE-1046
084			\|a ST 510 \|0 (DE-625)143676: \|2 rvk
084			\|a ST 250 \|0 (DE-625)143626: \|2 rvk
084			\|a QH 500 \|0 (DE-625)141607: \|2 rvk
084			\|a ST 530 \|0 (DE-625)143679: \|2 rvk
084			\|a SK 850 \|0 (DE-625)143263: \|2 rvk
084			\|a ST 601 \|0 (DE-625)143682: \|2 rvk
084			\|a QP 345 \|0 (DE-625)141866: \|2 rvk
084			\|a ST 265 \|0 (DE-625)143634: \|2 rvk
084			\|a ST 270 \|0 (DE-625)143638: \|2 rvk
084			\|a 510 \|2 sdnb
084			\|a DAT 600f \|2 stub
084			\|a 004 \|2 sdnb
084			\|a 68P01 \|2 msc
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 \|b Grundprinzipien der Datenanalyse mit Python \|c Joel Grus ; deutsche Übersetzung von Kristian Rother und Thomas Demmig
250			\|a 2. Auflage
264		1	\|a Heidelberg \|b O'Reilly \|c [2020]
264		4	\|c © 2020
300			\|a XVII, 379 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
650	0	7	\|a Datenstruktur \|0 (DE-588)4011146-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Data Mining \|0 (DE-588)4428654-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Datenmanagement \|0 (DE-588)4213132-7 \|2 gnd \|9 rswk-swf
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 Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Datenanalyse \|0 (DE-588)4123037-1 \|2 gnd \|9 rswk-swf
653			\|a Paperback / softback
653			\|a Einsteiger in die Datenanalyse mit mathematischen Grundkenntnissen und Programmiererfahrung
653			\|a COM051360
653			\|a COM051360
653			\|a COM021030
653			\|a Datenanalyse
653			\|a Data Science
653			\|a Big Data
653			\|a Python
653			\|a Statistik
653			\|a Data Mining
653			\|a Einführung
653			\|a Algorithmen
653			\|a Wahrscheinlichkeit
653			\|a Mathematik
653			\|a MapReduce
653			\|a COM051360
653			\|a 1633: Hardcover, Softcover / Informatik, EDV/Programmiersprachen
655		7	\|8 1\p \|0 (DE-588)4151278-9 \|a Einführung \|2 gnd-content
689	0	0	\|a Datenanalyse \|0 (DE-588)4123037-1 \|D s
689	0	1	\|a Python 2.7 \|0 (DE-588)7741095-6 \|D s
689	0	2	\|a Data Mining \|0 (DE-588)4428654-5 \|D s
689	0		\|5 DE-604
689	1	0	\|a Data Mining \|0 (DE-588)4428654-5 \|D s
689	1	1	\|a Datenanalyse \|0 (DE-588)4123037-1 \|D s
689	1	2	\|a Datenstruktur \|0 (DE-588)4011146-5 \|D s
689	1	3	\|a Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|D s
689	1		\|5 DE-604
689	2	0	\|a Daten \|0 (DE-588)4135391-2 \|D s
689	2	1	\|a Datenmanagement \|0 (DE-588)4213132-7 \|D s
689	2	2	\|a Datenstruktur \|0 (DE-588)4011146-5 \|D s
689	2	3	\|a Data Mining \|0 (DE-588)4428654-5 \|D s
689	2	4	\|a Python 2.7 \|0 (DE-588)7741095-6 \|D s
689	2		\|8 2\p \|5 DE-604
689	3	0	\|a Daten \|0 (DE-588)4135391-2 \|D s
689	3	1	\|a Datenmanagement \|0 (DE-588)4213132-7 \|D s
689	3	2	\|a Datenstruktur \|0 (DE-588)4011146-5 \|D s
689	3	3	\|a Data Mining \|0 (DE-588)4428654-5 \|D s
689	3	4	\|a Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|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
700	1		\|a Demmig, Thomas \|0 (DE-588)128548568 \|4 trl
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, EPUB \|z 978-3-96010-337-0
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, MOBI \|z 978-3-96010-338-7
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, PDF \|z 978-3-96010-336-3
856	4	2	\|m X:MVB \|q text/html \|u http://deposit.dnb.de/cgi-bin/dokserv?id=3d56af8b604f434489a404fd1bd0f314&prov=M&dok_var=1&dok_ext=htm \|3 Inhaltstext
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=031593333&sequence=000001&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
943	1		\|a oai:aleph.bib-bvb.de:BVB01-031593333

Datensatz im Suchindex

DE-BY-TUM_call_number	0102 DAT 600f 2018 A 4305(2)
DE-BY-TUM_katkey	2452447
DE-BY-TUM_location	01
DE-BY-TUM_media_number	040008869296
_version_	1821934160406642689
adam_text	INHALT VORWORT ZUR 2. AUFLAGE .................................................................. XI VORWORT ZUR 1. AUFLAGE .................................................................. XV 1 EINFUEHRUNG ................................................................................ 1 DER AUFSTIEG DER DATEN ............................................................................. 1 WAS IST DATA SCIENCE? ............................................................................... 1 EIN MOTIVIERENDES SZENARIO: DATASCIENCESTER .......................................... 3 FINDEN VON SCHLUESSELPERSONEN .......................................................... 3 DATA SCIENTISTS, DIE SIE KENNEN KOENNTEN ............................................ 6 GEHAELTER UND ERFAHRUNG ..................................................................... 8 BEZAHLTE NUTZERKONTEN ....................................................................... 11 INTERESSANTE THEMEN ........................................................................... 11 WEITER GEHT * S! ..................................................................................... 13 2 EIN CRASHKURS IN PYTHON ................................................................. 15 ZEN UND PYTHON ......................................................................................... 15 PYTHON INSTALLIEREN ..................................................................................... 16 VIRTUELLE UMGEBUNGEN ............................................................................... 16 FORMATIEREN DURCH LEERZEICHEN ................................................................ 18 MODULE ...................................................................................................... 19 FUNKTIONEN ................................................................................................ 20 STRINGS ........................................................................................................ 21 EXCEPTIONS .................................................................................................. 22 LISTEN .......................................................................................................... 22 TUPEL .......................................................................................................... 23 DICTIONARIES ................................................................................................ 24 DEFAULTDICT ............................................................................................ 25 COUNTER ...................................................................................................... 26 SETS .............................................................................................................. 27 KONTROLLFLUSS .............................................. TI WAHRHEITSWERTE ........................................................................................... 28 SORTIEREN ..................................................................................................... 29 LIST COMPREHENSIONS ................................................................................ 30 AUTOMATISIERTE TESTS UND ASSERT ............................................................... 31 OBJEKTORIENTIERTE PROGRAMMIERUNG ......................................................... 31 ITERABLES UND GENERATOREN ........................................................................ 33 ZUFALL ........................................................................................................... 35 REGULAERE AUSDRUECKE .................................................................................. 36 FUNKTIONALE PROGRAMMIERUNG ................................................................... 37 ZIP UND ENTPACKEN VON ARGUMENTEN ....................................................... 37 ARGS UND KWARGS ........................................................................................ 37 TYPE ANNOTATIONS ...................................................................................... 39 WIE MAN TYPE ANNOTATIONS SCHREIBT ................................................ 41 WILLKOMMEN BEI DATASCIENCESTER! ........................................................... 43 WEITERFUEHRENDES MATERIAL .......................................................................... 43 3 DATEN VISUALISIEREN ....................................................................... 45 MATPLOTLIB ................................................................................................... 45 BALKENDIAGRAMME ...................................................................................... 47 LINIENDIAGRAMME ...................................................................................... 50 SCATTERPLOTS ................................................................................................. 51 WEITERFUEHRENDES MATERIAL .......................................................................... 53 4 LINEARE ALGEBRA ............................................................................ 55 VEKTOREN ..................................................................................................... 55 MATRIZEN ..................................................................................................... 59 WEITERFUEHRENDES MATERIAL .......................................................................... 62 5 STATISTIK .................................................................................... 63 EINEN EINZELNEN DATENSATZ BESCHREIBEN .................................................. 63 LAGEMASSE ............................................................................................. 65 STREUUNG ............................................................................................... 67 KORRELATION ................................................................................................. 68 DAS SIMPSON-PARADOXON ............................................................................ 71 WEITERE FALLSTRICKE VON KORRELATIONEN ..................................................... 72 KORRELATION UND KAUSALITAET ........................................................................ 73 WEITERFUEHRENDES MATERIAL .......................................................................... 74 6 WAHRSCHEINLICHKEIT ....................................................................... 75 ABHAENGIGKEIT UND UNABHAENGIGKEIT ........................................................... 75 BEDINGTE WAHRSCHEINLICHKEIT ................................................................... 76 DER SATZ VON BAYES..................................................................................... 78 ZUFALLSVARIABLEN .......................................................................................... 79 KONTINUIERLICHE WAHRSCHEINLICHKEITSVERTEILUNGEN ................................... 80 DIE NORMALVERTEILUNG ............................................................................... 81 DER ZENTRALE GRENZWERTSATZ ....................................................................... 84 WEITERFUEHRENDES MATERIAL ......................................................................... 86 7 HYPOTHESEN UND SCHLUSSFOLGERUNGEN ................................................ 87 TESTEN STATISTISCHER HYPOTHESEN .............................................................. 87 BEISPIEL: MUENZWUERFE ................................................................................. 87 P-WERTE ...................................................................................................... 90 KONFIDENZINTERVALLE ................................................................................... 92 P-HACKING .................................................................................................. 93 BEISPIEL: DURCHFUEHREN EINES A/B-TESTS .................................................... 94 BAYESSCHE INFERENZ ..................................................................................... 96 WEITERFUEHRENDES MATERIAL ......................................................................... 99 8 DIE GRADIENTENMETHODE ................................................................. 101 DIE IDEE HINTER DER GRADIENTENMETHODE .................................................. 101 ABSCHAETZEN DES GRADIENTEN ....................................................................... 102 DEN GRADIENTEN VERWENDEN ....................................................................... 105 AUSWAHL DER RICHTIGEN SCHRITTWEITE .......................................................... 106 MIT DER GRADIENTENMETHODE MODELLE ANPASSEN ...................................... 106 MINIBATCH UND STOCHASTISCHE GRADIENTENMETHODE ................................. 108 WEITERFUEHRENDES MATERIAL ......................................................................... 109 9 DATEN SAMMELN ........................................................................... 111 STDIN UND STDOUT ....................................................................................... 111 EINLESEN VON DATEIEN ................................................................................. 113 GRUNDLAGEN VON TEXTDATEIEN ............................................................ 113 DATEIEN MIT FELDTRENNERN ................................................................... 114 AUSLESEN VON WEBSEITEN ........................................................................... 116 PARSEN VON HTML-DOKUMENTEN ...................................................... 116 BEISPIEL: DEN KONGRESS IM AUGE BEHALTEN ........................................ 118 VERWENDEN VON APIS ................................................................................. 121 JSON UND XML ................................................................................. 121 EINE NICHT AUTHENTIFIZIERTE API VERWENDEN ....................................... 122 APIS FINDEN .......................................................................................... 123 BEISPIEL: VERWENDEN DER TWITTER-APIS ...................................................... 124 ZUGRIFF AUF DIE APIS ERHALTEN .............................................................. 124 WEITERFUEHRENDES MATERIAL ......................................................................... 128 10 ARBEITEN MIT DATEN ....................................................................... 129 ERKUNDEN IHRER DATEN ................................................................................ 129 ERKUNDEN EINDIMENSIONALER DATEN ................................................... 129 ZWEI DIMENSIONEN .............................................................................. 132 MEHRERE DIMENSIONEN ........................................................................ 133 NAMEDTUPLES ............................................................................................. 134 DATENKLASSEN ............................................................................................... 136 BEREINIGEN UND UMFORMEN ........................................................................ 137 MANIPULIEREN VON DATEN ............................................................................ 139 UMSKALIEREN ............................................................................................... 141 EXKURS: TQDM ............................................................................................. 143 HAUPTKOMPONENTENANALYSE ...................................................................... 144 WEITERFUEHRENDES MATERIAL .......................................................................... 150 11 MASCHINELLES LERNEN ..................................................................... 151 MODELLIEREN ................................................................................................. 151 WAS IST MASCHINELLES LERNEN? ................................................................... 152 OVERFITTING UND UNDERFITTING ...................................................................... 153 GENAUIGKEIT ................................................................................................. 155 DER KOMPROMISS ZWISCHEN BIAS UND VARIANZ .......................................... 158 EXTRAKTION UND AUSWAHL VON EIGENSCHAFTEN ............................................ 159 WEITERFUEHRENDES MATERIAL .......................................................................... 160 12 K-NAECHSTE-NACHBARN ..................................................................... 161 DAS MODELL ................................................................................................. 161 BEISPIEL: DER IRIS-DATENSATZ ........................................................................ 163 DER FLUCH DER DIMENSIONALITAET ................................................................. 166 WEITERFUEHRENDES MATERIAL .......................................................................... 170 13 NAIVE BAYES-KLASSIFIKATOREN ............................................................ 171 EIN WIRKLICH PRIMITIVER SPAM-FILTER ......................................................... 171 EIN ANSPRUCHSVOLLERER SPAM-FILTER ........................................................... 172 IMPLEMENTIERUNG ........................................................................................ 174 DAS MODELL TESTEN ...................................................................................... 176 DAS MODELL VERWENDEN .............................................................................. 177 WEITERFUEHRENDES MATERIAL .......................................................................... 180 14 EINFACHE LINEARE REGRESSION ............................................................ 181 DAS MODELL ................................................................................................. 181 AN WENDEN DES GRADIENTENVERFAHRENS ....................................................... 185 MAXIMUM-LIKELIHOOD-METHODE ............................................................... 186 WEITERFUEHRENDES MATERIAL .......................................................................... 186 15 MULTIPLE REGRESSION ...................................................................... 187 DAS MODELL ................................................................................................ 187 WEITERE ANNAHMEN BEI DER METHODE DER KLEINSTEN QUADRATE ................. 188 ANPASSEN DES MODELLS ............................................................................... 189 INTERPRETATION DES MODELLS ....................................................................... 191 ANPASSUNGSGUETE .......................................................................................... 192 EXKURS: BOOTSTRAPPING ............................................................................... 192 STANDARDFEHLER VON REGRESSIONSKOEFFIZIENTEN .......................................... 194 REGULARISIERUNG .......................................................................................... 196 WEITERFUEHRENDES MATERIAL ......................................................................... 198 16 LOGISTISCHE REGRESSION ................................................................... 199 DIE AUFGABE ................................................................................................ 199 DIE LOGISTISCHE FUNKTION ........................................................................... 202 ANWENDUNG DES MODELLS ........................................................................... 204 ANPASSUNGSGUETE .......................................................................................... 205 SUPPORT VECTOR MACHINES ......................................................................... 207 WEITERFUEHRENDES MATERIAL ......................................................................... 209 17 ENTSCHEIDUNGSBAEUME .................................................................... 211 WAS IST EIN ENTSCHEIDUNGSBAUM? ............................................................ 211 ENTROPIE ...................................................................................................... 213 DIE ENTROPIE EINER PARTITION ....................................................................... 215 EINEN ENTSCHEIDUNGSBAUM ERZEUGEN ........................................................ 216 VERALLGEMEINERUNG DES VERFAHRENS .......................................................... 219 RANDOM FORESTS .......................................................................................... 221 WEITERFUEHRENDES MATERIAL ......................................................................... 222 18 NEURONALE NETZWERKE .................................................................... 223 PERZEPTRONS ................................................................................................ 223 FEED-FORWARD-NETZE ................................................................................... 226 BACKPROPAGATION ....................................................................................... 228 BEISPIEL: FIZZ BUZZ ..................................................................................... 231 WEITERFUEHRENDES MATERIAL ......................................................................... 234 19 DEEP LEARNING ............................................................................. 235 DER TENSOR .................................................................................................. 235 DIE LAYER-ABSTRAHIERUNG ........................................................................... 238 DER LINEARE LAYER ....................................................................................... 240 NEURONALE NETZWERKE ALS ABFOLGE VON LAYERN ........................................ 242 VERLUST UND OPTIMIERUNG ......................................................................... 243 BEISPIEL XOR UEBERARBEITET ......................................................................... 246 ANDERE AKTIVIERUNGSFUNKTIONEN ............................................................... 247 BEISPIEL: FIZZ BUZZ UEBERARBEITET ............................................................... 248 SOFTMAXES UND KREUZ-ENTROPIE ................................................................. 249 DROPOUT ..................................................................................................... 251 BEISPIEL: MNIST ........................................................................................ 252 MODELLE SICHERN UND LADEN ........................................................................ 257 WEITERFUEHRENDES MATERIAL .......................................................................... 258 20 CLUSTERING ................................................................................... 259 DIE IDEE ....................................................................................................... 259 DAS MODELL ................................................................................................. 260 BEISPIEL: MEET-UPS ...................................................................................... 262 DIE AUSWAHL VON K .................................................................................... 264 BEISPIEL: CLUSTERN VON FARBEN ................................................................... 265 AGGLOMERATIVES HIERARCHISCHES CLUSTERING .............................................. 267 WEITERFUEHRENDES MATERIAL .......................................................................... 272 21 LINGUISTISCHE DATENVERARBEITUNG ..................................................... 273 WORTWOLKEN ............................................................................................... 273 N-GRAMM-SPRACHMODELLE .......................................................................... 275 GRAMMATIKEN ............................................................................................. 278 EXKURS: GIBBS-SAMPLING ............................................................................ 280 THEMENMODELLIERUNG ................................................................................ 282 WORTVEKTOREN ............................................................................................. 287 REKURRENTE NEURONALE NETZWERKE ............................................................. 296 BEISPIEL: EIN RNN AUF ZEICHENEBENE VERWENDEN .................................... 299 WEITERFUEHRENDES MATERIAL .......................................................................... 302 22 GRAPHENANALYSE .......................................................................... 303 BETWEENNESS-ZENTRALITAET ............................................................................ 303 EIGENVEKTOR-ZENTRALITAET .............................................................................. 308 MATRIZENMULTIPLIKATION ..................................................................... 308 ZENTRALITAET ........................................................................................... 310 GERICHTETE GRAPHEN UND PAGERANK ......................................................... 312 WEITERFUEHRENDES MATERIAL .......................................................................... 314 23 EMPFEHLUNGSSYSTEME ................................................................... 315 MANUELLE PFLEGE ........................................................................................... 316 EMPFEHLEN, WAS BELIEBT IST ........................................................................ 316 NUTZERBASIERTES KOLLABORATIVES FILTERN ..................................................... 317 GEGENSTANDSBASIERTES KOLLABORATIVES FILTERN .............................................. 320 MATRIXFAKTORISIERUNG .................................................................................... 322 WEITERFUEHRENDES MATERIAL ............................................................................ 326 24 DATENBANKEN UND SQL ..................................................................... 327 CREATE TABLE UND INSEKT ................................................................... 327 UPDATE ....................................................................................................... 330 DELETE ......................................................................................................... 331 SELECT ......................................................................................................... 332 GROUP BY .................................................................................................. 334 ORDER BY ................................................................................................... 337 JOIN ............................................................................................................. 337 SUBQUERIES ..................................................................................................... 340 INDEXSTRUKTUREN ............................................................................................ 340 OPTIMIERUNG VON ANFRAGEN ......................................................................... 341 NOSQL ........................................................................................................... 341 WEITERFUEHRENDES MATERIAL ........................................................................... 342 25 MAPREDUCE ................................................................................... 343 BEISPIEL: WOERTER ZAEHLEN ................................................................................ 343 WARUM MAPREDUCE? .................................................................................... 345 MAPREDUCE VERALLGEMEINERT ....................................................................... 346 BEISPIEL: STATUSMELDUNGEN ANALYSIEREN ....................................................... 347 BEISPIEL: MATRIZENMULTIPLIKATION ................................................................. 349 EINE RANDBEMERKUNG: COMBINERS ............................................................. 351 WEITERFUEHRENDES MATERIAL ........................................................................... 351 26 DATENETHIK ................................................................................... 353 WAS IST DATENETHIK? ...................................................................................... 353 JETZT ABER WIRKLICH: WAS IST DATENETHIK? ..................................................... 354 SOLLTE ICH MIR UEBER DATENETHIK GEDANKEN MACHEN? .................................. 354 SCHLECHTE PRODUKTE BAUEN ............................................................................ 355 GENAUIGKEIT UND FAIRNESS AB WAEGEN ............................................................. 356 ZUSAMMENARBEIT .......................................................................................... 357 INTERPRETIERBARKEIT ........................................................................................ 358 EMPFEHLUNGEN .............................................................................................. 358 TENDENZIOESE DATEN ...................................................................................... 359 DATENSCHUTZ .................................................................................................. 360 ZUSAMMENFASSUNG ........................................................................................ 361 WEITERFUEHRENDES MATERIAL ............................................................................ 361 27 GEHET HIN UND PRAKTIZIERET DATA SCIENCE ............................................ 363 IPYTHON ....................................................................................................... 363 MATHEMATIK ................................................................................................. 364 NICHT BEI NULL STARTEN ................................................................................ 364 NUMPY ................................................................................................. 364 PANDAS ................................................................................................. 364 SCIKIT-LEARN .......................................................................................... 365 VISUALISIERUNG ...................................................................................... 365 R ........................................................................................................... 366 DEEP LEARNING .................................................................................... 366 FINDEN SIE DATEN ........................................................................................ 366 DATA SCIENCE IN DER PRAXIS .......................................................................... 367 HACKER NEWS ...................................................................................... 367 FEUERWEHRAUTOS .................................................................................. 367 T-SHIRTS ................................................................................................. 368 TWEETS ON A GLOBE .............................................................................. 368 UND SIE? ............................................................................................... 369 INDEX ............................................................................................... 371
any_adam_object	1
author	Grus, Joel
author2	Rother, Kristian 1977- Demmig, Thomas
author2_role	trl trl
author2_variant	k r kr t d td
author_GND	(DE-588)1098174119 (DE-588)133397068 (DE-588)128548568
author_facet	Grus, Joel Rother, Kristian 1977- Demmig, Thomas
author_role	aut
author_sort	Grus, Joel
author_variant	j g jg
building	Verbundindex
bvnumber	BV046214513
classification_rvk	ST 510 ST 250 QH 500 ST 530 SK 850 ST 601 QP 345 ST 265 ST 270
classification_tum	DAT 600f
ctrlnum	(OCoLC)1129393206 (DE-599)DNB1194016847
discipline	Informatik Mathematik Wirtschaftswissenschaften
edition	2. Auflage
format	Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>05317nam a22012498c 4500</leader><controlfield tag="001">BV046214513</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20221207 </controlfield><controlfield tag="007">t\|</controlfield><controlfield tag="008">191024s2020 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">19,N37</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1194016847</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783960091233</subfield><subfield code="c">kart. : EUR 36.90 (DE), EUR 38.00 (AT)</subfield><subfield code="9">978-3-96009-123-3</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3960091230</subfield><subfield code="9">3-96009-123-0</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783960091233</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1129393206</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1194016847</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-M347</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-1050</subfield><subfield code="a">DE-739</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-523</subfield><subfield code="a">DE-91G</subfield><subfield code="a">DE-B768</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-1049</subfield><subfield code="a">DE-19</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-12</subfield><subfield code="a">DE-83</subfield><subfield code="a">DE-898</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-863</subfield><subfield code="a">DE-861</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-858</subfield><subfield code="a">DE-1046</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 510</subfield><subfield code="0">(DE-625)143676:</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">QH 500</subfield><subfield code="0">(DE-625)141607:</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">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 601</subfield><subfield code="0">(DE-625)143682:</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">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">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="084" ind1=" " ind2=" "><subfield code="a">004</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">68P01</subfield><subfield code="2">msc</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="b">Grundprinzipien der Datenanalyse mit Python</subfield><subfield code="c">Joel Grus ; deutsche Übersetzung von Kristian Rother und Thomas Demmig</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">2. Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Heidelberg</subfield><subfield code="b">O'Reilly</subfield><subfield code="c">[2020]</subfield></datafield><datafield tag="264" ind1=" " ind2="4"><subfield code="c">© 2020</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XVII, 379 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="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">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="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">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">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">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Paperback / softback</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">COM051360</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">COM051360</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">COM021030</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Datenanalyse</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Science</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Big Data</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="653" ind1=" " ind2=" "><subfield code="a">Data Mining</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Einführung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Algorithmen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Wahrscheinlichkeit</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Mathematik</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">MapReduce</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">COM051360</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">1633: Hardcover, Softcover / Informatik, EDV/Programmiersprachen</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="8">1\p</subfield><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">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" 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="0" 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="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" 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="1" 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="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">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="5">DE-604</subfield></datafield><datafield tag="689" ind1="2" 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="2" 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="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">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" 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="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">Daten</subfield><subfield code="0">(DE-588)4135391-2</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="3" 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="3" 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="3" 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="3" 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="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="700" ind1="1" ind2=" "><subfield code="a">Demmig, Thomas</subfield><subfield code="0">(DE-588)128548568</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, EPUB</subfield><subfield code="z">978-3-96010-337-0</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">978-3-96010-338-7</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">978-3-96010-336-3</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=3d56af8b604f434489a404fd1bd0f314&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">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=031593333&sequence=000001&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="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-031593333</subfield></datafield></record></collection>
genre	1\p (DE-588)4151278-9 Einführung gnd-content
genre_facet	Einführung
id	DE-604.BV046214513
illustrated	Illustrated
indexdate	2024-12-20T18:46:16Z
institution	BVB
isbn	9783960091233 3960091230
language	German English
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-031593333
oclc_num	1129393206
open_access_boolean
owner	DE-M347 DE-860 DE-706 DE-92 DE-634 DE-1050 DE-739 DE-29T DE-11 DE-523 DE-91G DE-BY-TUM DE-B768 DE-355 DE-BY-UBR DE-Aug4 DE-1049 DE-19 DE-BY-UBM DE-859 DE-12 DE-83 DE-898 DE-BY-UBR DE-20 DE-863 DE-BY-FWS DE-861 DE-573 DE-858 DE-1046
owner_facet	DE-M347 DE-860 DE-706 DE-92 DE-634 DE-1050 DE-739 DE-29T DE-11 DE-523 DE-91G DE-BY-TUM DE-B768 DE-355 DE-BY-UBR DE-Aug4 DE-1049 DE-19 DE-BY-UBM DE-859 DE-12 DE-83 DE-898 DE-BY-UBR DE-20 DE-863 DE-BY-FWS DE-861 DE-573 DE-858 DE-1046
physical	XVII, 379 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm
publishDate	2020
publishDateSearch	2020
publishDateSort	2020
publisher	O'Reilly
record_format	marc
spellingShingle	Grus, Joel Einführung in Data Science Grundprinzipien der Datenanalyse mit Python Datenstruktur (DE-588)4011146-5 gnd Data Mining (DE-588)4428654-5 gnd Datenmanagement (DE-588)4213132-7 gnd Python 2.7 (DE-588)7741095-6 gnd Data Science (DE-588)1140936166 gnd Daten (DE-588)4135391-2 gnd Python Programmiersprache (DE-588)4434275-5 gnd Datenanalyse (DE-588)4123037-1 gnd
subject_GND	(DE-588)4011146-5 (DE-588)4428654-5 (DE-588)4213132-7 (DE-588)7741095-6 (DE-588)1140936166 (DE-588)4135391-2 (DE-588)4434275-5 (DE-588)4123037-1 (DE-588)4151278-9
title	Einführung in Data Science Grundprinzipien der Datenanalyse mit Python
title_GND	(DE-588)1107563453
title_alt	Data Science from scratch
title_auth	Einführung in Data Science Grundprinzipien der Datenanalyse mit Python
title_exact_search	Einführung in Data Science Grundprinzipien der Datenanalyse mit Python
title_full	Einführung in Data Science Grundprinzipien der Datenanalyse mit Python Joel Grus ; deutsche Übersetzung von Kristian Rother und Thomas Demmig
title_fullStr	Einführung in Data Science Grundprinzipien der Datenanalyse mit Python Joel Grus ; deutsche Übersetzung von Kristian Rother und Thomas Demmig
title_full_unstemmed	Einführung in Data Science Grundprinzipien der Datenanalyse mit Python Joel Grus ; deutsche Übersetzung von Kristian Rother und Thomas Demmig
title_short	Einführung in Data Science
title_sort	einfuhrung in data science grundprinzipien der datenanalyse mit python
title_sub	Grundprinzipien der Datenanalyse mit Python
topic	Datenstruktur (DE-588)4011146-5 gnd Data Mining (DE-588)4428654-5 gnd Datenmanagement (DE-588)4213132-7 gnd Python 2.7 (DE-588)7741095-6 gnd Data Science (DE-588)1140936166 gnd Daten (DE-588)4135391-2 gnd Python Programmiersprache (DE-588)4434275-5 gnd Datenanalyse (DE-588)4123037-1 gnd
topic_facet	Datenstruktur Data Mining Datenmanagement Python 2.7 Data Science Daten Python Programmiersprache Datenanalyse Einführung
url	http://deposit.dnb.de/cgi-bin/dokserv?id=3d56af8b604f434489a404fd1bd0f314&prov=M&dok_var=1&dok_ext=htm http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=031593333&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT grusjoel datasciencefromscratch AT rotherkristian datasciencefromscratch AT demmigthomas datasciencefromscratch AT grusjoel einfuhrungindatasciencegrundprinzipienderdatenanalysemitpython AT rotherkristian einfuhrungindatasciencegrundprinzipienderdatenanalysemitpython AT demmigthomas einfuhrungindatasciencegrundprinzipienderdatenanalysemitpython

Verfügbarkeit

Bestellen (Login erforderlich)

Inhaltsverzeichnis
Paper/Kapitel scannen lassen

Teilbibliothek Mathematik & Informatik

Bestandsangaben von Teilbibliothek Mathematik & Informatik
Signatur:	0102 DAT 600f 2018 A 4305(2) Lageplan
Exemplar 1	Ausleihbar Am Standort