Verfügbarkeit: Einführung in Machine Learning mit Python

Gespeichert in:

Bibliographische Detailangaben
Titel:	Einführung in Machine Learning mit Python Praxiswissen Data Science
Von:	Andreas C. Müller und Sarah Guido ; deutsche Übersetzung von Kristian Rother
Person:	Müller, Andreas Christian Verfasser aut Guido, Sarah Rother, Kristian 1977-
Hauptverfassende:	Müller, Andreas Christian (VerfasserIn), Guido, Sarah (VerfasserIn)
Weitere Personen:	Rother, Kristian 1977- (ÜbersetzerIn)
Format:	Buch
Sprache:	Deutsch Englisch
Veröffentlicht:	Heidelberg O'Reilly 2017
Ausgabe:	1. Auflage
Schlagworte:	Datenanalyse Python 2.7 Maschinelles Lernen Big Data Python 3.0 Python > Programmiersprache
Online-Zugang:	http://deposit.dnb.de/cgi-bin/dokserv?id=0b17cb527c6f4e4f9973eb39df44fe68&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=029796818&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
Beschreibung:	XIII, 362 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm
ISBN:	9783960090496 3960090498

Internformat

MARC


LEADER	00000nam a2200000 c 4500
001	BV044394650
003	DE-604
005	20190730
007	t\|
008	170704s2017 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 17,N12 \|2 dnb
016	7		\|a 1127544586 \|2 DE-101
020			\|a 9783960090496 \|c Broschur : circa EUR 39.90 (DE), circa EUR 41.10 (AT) \|9 978-3-96009-049-6
020			\|a 3960090498 \|9 3-96009-049-8
024	3		\|a 9783960090496
035			\|a (OCoLC)979555741
035			\|a (DE-599)DNB1127544586
040			\|a DE-604 \|b ger \|e rda
041	1		\|a ger \|h eng
044			\|a gw \|c XA-DE-BW
049			\|a DE-858 \|a DE-M347 \|a DE-B768 \|a DE-1046 \|a DE-92 \|a DE-1050 \|a DE-1102 \|a DE-83 \|a DE-859 \|a DE-862 \|a DE-860 \|a DE-11 \|a DE-29T \|a DE-634 \|a DE-91G \|a DE-703 \|a DE-706 \|a DE-384 \|a DE-1043 \|a DE-N2 \|a DE-91 \|a DE-522 \|a DE-573 \|a DE-20 \|a DE-739 \|a DE-188 \|a DE-526 \|a DE-945 \|a DE-898 \|a DE-355 \|a DE-525 \|a DE-1049 \|a DE-19
082	0		\|a 004 \|2 23
082	0		\|a 006.31 \|2 [22ger];
082	0		\|a 005.133 \|2 [22ger];
084			\|a ST 250 \|0 (DE-625)143626: \|2 rvk
084			\|a ST 530 \|0 (DE-625)143679: \|2 rvk
084			\|a ST 300 \|0 (DE-625)143650: \|2 rvk
084			\|a DAT 366f \|2 stub
084			\|a DAT 708f \|2 stub
084			\|a 004 \|2 sdnb
100	1		\|a Müller, Andreas Christian \|e Verfasser \|0 (DE-588)1060129469 \|4 aut
240	1	0	\|0 (DE-588)1136978844 \|a Introduction to machine learning with Python
245	1	0	\|a Einführung in Machine Learning mit Python \|b Praxiswissen Data Science \|c Andreas C. Müller und Sarah Guido ; deutsche Übersetzung von Kristian Rother
250			\|a 1. Auflage
264		1	\|a Heidelberg \|b O'Reilly \|c 2017
300			\|a XIII, 362 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 Datenanalyse \|0 (DE-588)4123037-1 \|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 Maschinelles Lernen \|0 (DE-588)4193754-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Big Data \|0 (DE-588)4802620-7 \|2 gnd \|9 rswk-swf
650	0	7	\|a Python 3.0 \|0 (DE-588)7624871-9 \|2 gnd \|9 rswk-swf
650	0	7	\|a Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|2 gnd \|9 rswk-swf
689	0	0	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|D s
689	0	1	\|a Datenanalyse \|0 (DE-588)4123037-1 \|D s
689	0	2	\|a Big Data \|0 (DE-588)4802620-7 \|D s
689	0	3	\|a Python 2.7 \|0 (DE-588)7741095-6 \|D s
689	0	4	\|a Python 3.0 \|0 (DE-588)7624871-9 \|D s
689	0		\|5 DE-604
689	1	0	\|a Python \|g Programmiersprache \|0 (DE-588)4434275-5 \|D s
689	1	1	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|D s
689	1		\|5 DE-604
700	1		\|a Guido, Sarah \|e Verfasser \|0 (DE-588)1117052265 \|4 aut
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 978-3-96010-111-6
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, ePub \|z 978-3-96010-112-3
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, mobi \|z 978-3-96010-113-0
856	4	2	\|m X:MVB \|q text/html \|u http://deposit.dnb.de/cgi-bin/dokserv?id=0b17cb527c6f4e4f9973eb39df44fe68&prov=M&dok_var=1&dok_ext=htm \|3 Inhaltstext
856	4	2	\|m HBZ Datenaustausch \|q application/pdf \|u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=029796818&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
943	1		\|a oai:aleph.bib-bvb.de:BVB01-029796818

Datensatz im Suchindex

DE-BY-OTHR_call_number	F 03/ST 250 P99 M946 E3
DE-BY-OTHR_katkey	6048063
DE-BY-OTHR_location	02
DE-BY-OTHR_media_number	067004116573
DE-BY-TUM_call_number	0003 DAT 708f 2017 L 623 0102 DAT 708f 2017 A 4021 0303 DAT 708f 2017 L 565
DE-BY-TUM_katkey	2280096
DE-BY-TUM_location	00 01 03
DE-BY-TUM_media_number	040008845776 040008642828 040008845801 040008845823 040008845812 040008845834 040008845798 040008845845 040008845856 040008642806 040008642760 040008642759 040008642839 040008642793 040008642782 040008642748 040008845867 040008845787 040008642817 040008642771 040008259196 040008135197 040008135200 040008135211 040008135222 040008135233
DE-BY-UBR_call_number	40/ST 300 M946
DE-BY-UBR_katkey	6048063
DE-BY-UBR_location	UB Lesesaal Wirtschaft
DE-BY-UBR_media_number	069041423622
_version_	1835104589995573249
adam_text	Titel: Einführung in Machine Learning mit Python Autor: Müller, Andreas Christian Jahr: 2017 Inhalt Vorwort ...................................................................................... IX 1 Einführung................................................................................... 1 Warum Machine Learning?................................................................. 1 Welche Probleme kann Machine Learning lösen?........................ 2 Ihre Aufgabe und Ihre Daten kennen ............................................. 5 Warum Python?................................................................................... 5 scikit-learn........................................................................................... 6 Installieren von scikit-learn............................................................. 6 Grundlegende Bibliotheken und Werkzeuge....................................... 7 Jupyter Notebook........................................................................... 8 NumPy........................................................................................... 8 SciPy............................................................................................... 8 matplotlib....................................................................................... 10 pandas............................................................................................. 10 mglearn........................................................................................... 11 Python 2 versus Python 3 ................................................................... 12 In diesem Buch verwendete Versionen ............................................... 13 Eine erste Anwendung: Klassifizieren von Iris-Spezies ...................... 14 Die Daten kennenlernen................................................................. 15 Erfolg nachweisen: Trainings- und Testdaten.............................. 17 Das Wichtigste zuerst: Sichten Sie Ihre Daten.............................. 19 Ihr erstes Modell konstruieren: k-nächste-Nachbarn.................... 21 Vorhersagen treffen......................................................................... 22 Evaluieren des Modells................................................................... 23 Zusammenfassung und Ausblick......................................................... 23 2 Überwachtes Lernen....................................................................... 27 Klassifikation und Regression............................................................. 27 Verallgemeinerung, Overfitting und Underfitting ............................. 28 Zusammenhang zwischen Modellkomplexität und Größe des Datensatzes............................................................................. 31 Algorithmen zum überwachten Lernen ............................................. 32 Einige Beispieldatensätze............................................................... 32 k-nächste-Nachbarn....................................................................... 36 Lineare Modelle............................................................................. 45 Naive Bayes-Klassifikatoren........................................................... 66 Entscheidungsbäume..................................................................... 68 Ensembles von Entscheidungsbäumen......................................... 80 Support Vector Machines mit Kernel............................................. 88 Neuronale Netze (Deep Learning)................................................. 99 Schätzungen der Unsicherheit von Klassifikatoren............................. 112 Die Entscheidungsfunktion........................................................... 113 Vorhersagen von Wahrscheinlichkeiten....................................... 116 Unsicherheit bei der Klassifikation mehrerer Kategorien.............. 118 Zusammenfassung und Ausblick....................................................... 120 3 Unüberwachtes Lernen und Vorverarbeitung....................................... 123 Arten von unüberwachtem Lernen..................................................... 123 Herausforderungen beim unüberwachten Lernen ............................ 124 Vorverarbeiten und Skalieren............................................................. 124 Unterschiedliche Möglichkeiten der Vorverarbeitung.................. 125 Anwenden von Datentransformationen......................................... 126 Trainings- und Testdaten in gleicher Weise skalieren.................. 128 Die Auswirkungen der Vorverarbeitung auf überwachtes Lernen............................................................................................ 130 Dimensionsreduktion, Extraktion von Merkmalen und Manifold Learning............................................................................. 132 Hauptkomponentenzerlegung (PCA) ........................................... 132 Nicht-negative-Matrix-Faktorisierung (NMF)............................... 147 Manifold Learning mit t-SNE......................................................... 154 Clusteranalyse..................................................................................... 158 k-Means-Clustering....................................................................... 158 Agglomeratives Clustering............................................................. 169 DBSCAN........................................................................................ 174 Vergleichen und Auswerten von Clusteralgorithmen.................. 178 Zusammenfassung der Clustering-Methoden............................... 192 Zusammenfassung und Ausblick....................................................... 193 4 Repräsentation von Daten und Merkmalsgenerierung.......................... 195 KategorischeVariablen....................................................................... 196 One-Hot-Kodierung (Dummy-Variablen)..................................... 197 Zahlen können kategorische Daten kodieren................................. 202 Binning, Diskretisierung, lineare Modelle und Bäume ...................... 204 Interaktionen und Polynome............................................................... 208 Univariate nichtlineare Transformation ............................................. 214 Automatische Auswahl von Merkmalen............................................. 218 Univariate Statistiken..................................................................... 218 Modellbasierte Auswahl von Merkmalen....................................... 221 Iterative Auswahl von Merkmalen................................................. 222 Berücksichtigen von Expertenwissen................................................... 224 Zusammenfassung und Ausblick......................................................... 233 5 Evaluierung und Verbesserung von M odellen....................................... 235 Kreuzvalidierung................................................................................. 236 Kreuzvalidierung in scikit-learn..................................................... 237 Vorteile der Kreuzvalidierung......................................................... 238 Stratifizierte k-fache Kreuzvalidierung und andere Strategien . . . . 238 Gittersuche......................................................................................... 244 Einfache Gittersuche....................................................................... 245 Die Gefahr des Overfittings von Parametern und Validierungsdaten........................................................................... 246 Gittersuche mit Kreuzvalidierung................................................... 248 Evaluationsmetriken........................................................................... 260 Das Ziel im Auge behalten............................................................. 260 Metriken zur binären Klassifikation............................................... 261 Metriken zur Klassifikation mehrerer Kategorien.......................... 282 Regressionsmetriken....................................................................... 284 Verwenden von Metriken zur Modellauswahl.............................. 285 Zusammenfassung und Ausblick......................................................... 287 6 Verkettete Algorithmen und Pipelines............................................... 289 Parameterauswahl mit Vorverarbeitung............................................. 290 Erstellen von Pipelines......................................................................... 292 Pipelines zur Gittersuche einsetzen..................................................... 293 Die allgemeine Pipeline-Schnittstelle................................................... 296 Bequemes Erstellen von Pipelines mit make_pipeline.................. 297 Zugriff auf Attribute von Schritten................................................. 298 Zugriff auf Attribute in einer Pipeline mit Gittersuche.................. 299 Gittersuche für Vorverarbeitungsschritte und Modellparameter . . . . 300 Gittersuche nach dem richtigen M odell............................................. 303 Zusammenfassung und Ausblick....................................................... 304 7 Verarbeiten von T extdaten.............................................................. 307 Arten von als Strings repräsentierter Daten ....................................... 307 Anwendungsbeispiel: Meinungsanalyse zu Filmbewertungen.......... 309 Repräsentation von Text als Bag-of-Words ....................................... 311 Anwenden von Bag-of-Words auf einen einfachen Datensatz. . . . 313 Bag-of-Words der Filmbewertungen............................................. 314 Stoppwörter........................................................................................ 318 Umskalieren der Daten mit tf-idf....................................................... 319 Untersuchen der Koeffizienten des Modells....................................... 322 Bag-of-Words mit mehr als einem Wort (n-Gramme) ...................... 323 Fortgeschrittene Tokenisierung, Stemming und Lemmatisierung . . . 327 Modellierung von Themen und Clustering von Dokumenten.......... 331 Latent Dirichlet Allocation............................................................. 331 Zusammenfassung und Ausblick....................................................... 338 8 Zusammenfassung und weiterführende Ressourcen.............................. 341 Herangehensweise an eine Fragestellung beim maschinellen Lernen . 341 Der menschliche Faktor................................................................. 342 Vom Prototyp zum Produktivsystem................................................. 343 Testen von Produktivsystemen........................................................... 344 Konstruieren eines eigenen Estimators............................................... 344 Wie geht es von hier aus weiter?......................................................... 345 Theorie............................................................................................ 345 Andere Umgebungen und Programmpakete zum maschinellen Lernen............................................................................................ 346 Ranking, Empfehlungssysteme und andere Arten von Lernen . . . 347 Probabilistische Modellierung, Inferenz und probabilistische Programmierung........................................................................... 347 Neuronale N etze........................................................................... 348 Skalieren auf größere Datensätze................................................... 349 Verfeinern Sie Ihre Fähigkeiten..................................................... 350 Schlussbemerkung............................................................................. 351 Index.......................................................................................... 353
any_adam_object	1
author	Müller, Andreas Christian Guido, Sarah
author2	Rother, Kristian 1977-
author2_role	trl
author2_variant	k r kr
author_GND	(DE-588)1060129469 (DE-588)1117052265 (DE-588)133397068
author_facet	Müller, Andreas Christian Guido, Sarah Rother, Kristian 1977-
author_role	aut aut
author_sort	Müller, Andreas Christian
author_variant	a c m ac acm s g sg
building	Verbundindex
bvnumber	BV044394650
classification_rvk	ST 250 ST 530 ST 300
classification_tum	DAT 366f DAT 708f
ctrlnum	(OCoLC)979555741 (DE-599)DNB1127544586
dewey-full	004 006.31 005.133
dewey-hundreds	000 - Computer science, information, general works
dewey-ones	004 - Computer science 006 - Special computer methods 005 - Computer programming, programs, data, security
dewey-raw	004 006.31 005.133
dewey-search	004 006.31 005.133
dewey-sort	14
dewey-tens	000 - Computer science, information, general works
discipline	Informatik
edition	1. Auflage
format	Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>03338nam a2200709 c 4500</leader><controlfield tag="001">BV044394650</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20190730 </controlfield><controlfield tag="007">t\|</controlfield><controlfield tag="008">170704s2017 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">17,N12</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1127544586</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783960090496</subfield><subfield code="c">Broschur : circa EUR 39.90 (DE), circa EUR 41.10 (AT)</subfield><subfield code="9">978-3-96009-049-6</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3960090498</subfield><subfield code="9">3-96009-049-8</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783960090496</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)979555741</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1127544586</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-858</subfield><subfield code="a">DE-M347</subfield><subfield code="a">DE-B768</subfield><subfield code="a">DE-1046</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-1050</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-83</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-862</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-91G</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-384</subfield><subfield code="a">DE-1043</subfield><subfield code="a">DE-N2</subfield><subfield code="a">DE-91</subfield><subfield code="a">DE-522</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-739</subfield><subfield code="a">DE-188</subfield><subfield code="a">DE-526</subfield><subfield code="a">DE-945</subfield><subfield code="a">DE-898</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-525</subfield><subfield code="a">DE-1049</subfield><subfield code="a">DE-19</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">004</subfield><subfield code="2">23</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">006.31</subfield><subfield code="2">[22ger];</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">005.133</subfield><subfield code="2">[22ger];</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 530</subfield><subfield code="0">(DE-625)143679:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 300</subfield><subfield code="0">(DE-625)143650:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 366f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 708f</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="100" ind1="1" ind2=" "><subfield code="a">Müller, Andreas Christian</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1060129469</subfield><subfield code="4">aut</subfield></datafield><datafield tag="240" ind1="1" ind2="0"><subfield code="0">(DE-588)1136978844</subfield><subfield code="a">Introduction to machine learning with Python</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Einführung in Machine Learning mit Python</subfield><subfield code="b">Praxiswissen Data Science</subfield><subfield code="c">Andreas C. Müller und Sarah Guido ; 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">2017</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XIII, 362 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">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 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">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Big Data</subfield><subfield code="0">(DE-588)4802620-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Python 3.0</subfield><subfield code="0">(DE-588)7624871-9</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="689" ind1="0" ind2="0"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" 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="0" ind2="2"><subfield code="a">Big Data</subfield><subfield code="0">(DE-588)4802620-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="3"><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="4"><subfield code="a">Python 3.0</subfield><subfield code="0">(DE-588)7624871-9</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">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="1"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Guido, Sarah</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1117052265</subfield><subfield code="4">aut</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">978-3-96010-111-6</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">978-3-96010-112-3</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">978-3-96010-113-0</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=0b17cb527c6f4e4f9973eb39df44fe68&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">HBZ 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=029796818&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-029796818</subfield></datafield></record></collection>
id	DE-604.BV044394650
illustrated	Illustrated
indexdate	2024-12-20T18:01:54Z
institution	BVB
isbn	9783960090496 3960090498
language	German English
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-029796818
oclc_num	979555741
open_access_boolean
owner	DE-858 DE-M347 DE-B768 DE-1046 DE-92 DE-1050 DE-1102 DE-83 DE-859 DE-862 DE-BY-FWS DE-860 DE-11 DE-29T DE-634 DE-91G DE-BY-TUM DE-703 DE-706 DE-384 DE-1043 DE-N2 DE-91 DE-BY-TUM DE-522 DE-573 DE-20 DE-739 DE-188 DE-526 DE-945 DE-898 DE-BY-UBR DE-355 DE-BY-UBR DE-525 DE-1049 DE-19 DE-BY-UBM
owner_facet	DE-858 DE-M347 DE-B768 DE-1046 DE-92 DE-1050 DE-1102 DE-83 DE-859 DE-862 DE-BY-FWS DE-860 DE-11 DE-29T DE-634 DE-91G DE-BY-TUM DE-703 DE-706 DE-384 DE-1043 DE-N2 DE-91 DE-BY-TUM DE-522 DE-573 DE-20 DE-739 DE-188 DE-526 DE-945 DE-898 DE-BY-UBR DE-355 DE-BY-UBR DE-525 DE-1049 DE-19 DE-BY-UBM
physical	XIII, 362 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm
publishDate	2017
publishDateSearch	2017
publishDateSort	2017
publisher	O'Reilly
record_format	marc
spellingShingle	Müller, Andreas Christian Guido, Sarah Einführung in Machine Learning mit Python Praxiswissen Data Science Datenanalyse (DE-588)4123037-1 gnd Python 2.7 (DE-588)7741095-6 gnd Maschinelles Lernen (DE-588)4193754-5 gnd Big Data (DE-588)4802620-7 gnd Python 3.0 (DE-588)7624871-9 gnd Python Programmiersprache (DE-588)4434275-5 gnd
subject_GND	(DE-588)4123037-1 (DE-588)7741095-6 (DE-588)4193754-5 (DE-588)4802620-7 (DE-588)7624871-9 (DE-588)4434275-5
title	Einführung in Machine Learning mit Python Praxiswissen Data Science
title_GND	(DE-588)1136978844
title_alt	Introduction to machine learning with Python
title_auth	Einführung in Machine Learning mit Python Praxiswissen Data Science
title_exact_search	Einführung in Machine Learning mit Python Praxiswissen Data Science
title_full	Einführung in Machine Learning mit Python Praxiswissen Data Science Andreas C. Müller und Sarah Guido ; deutsche Übersetzung von Kristian Rother
title_fullStr	Einführung in Machine Learning mit Python Praxiswissen Data Science Andreas C. Müller und Sarah Guido ; deutsche Übersetzung von Kristian Rother
title_full_unstemmed	Einführung in Machine Learning mit Python Praxiswissen Data Science Andreas C. Müller und Sarah Guido ; deutsche Übersetzung von Kristian Rother
title_short	Einführung in Machine Learning mit Python
title_sort	einfuhrung in machine learning mit python praxiswissen data science
title_sub	Praxiswissen Data Science
topic	Datenanalyse (DE-588)4123037-1 gnd Python 2.7 (DE-588)7741095-6 gnd Maschinelles Lernen (DE-588)4193754-5 gnd Big Data (DE-588)4802620-7 gnd Python 3.0 (DE-588)7624871-9 gnd Python Programmiersprache (DE-588)4434275-5 gnd
topic_facet	Datenanalyse Python 2.7 Maschinelles Lernen Big Data Python 3.0 Python Programmiersprache
url	http://deposit.dnb.de/cgi-bin/dokserv?id=0b17cb527c6f4e4f9973eb39df44fe68&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=029796818&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT mullerandreaschristian introductiontomachinelearningwithpython AT guidosarah introductiontomachinelearningwithpython AT rotherkristian introductiontomachinelearningwithpython AT mullerandreaschristian einfuhrunginmachinelearningmitpythonpraxiswissendatascience AT guidosarah einfuhrunginmachinelearningmitpythonpraxiswissendatascience AT rotherkristian einfuhrunginmachinelearningmitpythonpraxiswissendatascience

Verfügbarkeit

Per Ortsleihe bestellen

Inhaltsverzeichnis

Ausleihbestand Seybothstrasse

Bestandsangaben von Ausleihbestand Seybothstrasse
Signatur:	F 03 ST 250 P99 M946 E3 Lageplan
Exemplar 1	uneingeschränkt entleihbar Am Standort

An UBR ausleihen
Ausleihen an der UBR sind mit eigenem Ausweis möglich.