Data Science : Grundlagen, Architekturen und Anwendungen

QR-Code

Data Science : Grundlagen, Architekturen und Anwendungen

Bibliographische Detailangaben
Weitere Personen:	Haneke, Uwe (HerausgeberIn), Trahasch, Stephan (HerausgeberIn), Zimmer, Michael (HerausgeberIn), Felden, Carsten (HerausgeberIn)
Format:	Buch
Sprache:	German
Veröffentlicht:	Heidelberg : dpunkt.verlag, 2019
Ausgabe:	1. Auflage
Schriftenreihe:	Edition TDWI
Schlagworte:	Wirtschaftsinformatik Künstliche Intelligenz Maschinelles Lernen Data Mining
Online Zugang:	Inhaltsverzeichnis

Ähnliche Einträge

Rechtshandbuch Artificial Intelligence und Machine Learning
Veröffentlicht: (2020)

HMD - Praxis der Wirtschaftsinformatik
Veröffentlicht: (2020)

Doing Data Science : [Straight Talk From the Frontlinde]
von: Schutt, Rachel, et al.
Veröffentlicht: (2014)

Einführung in Data Science
von: Grus, Joel
Veröffentlicht: (2016)

Werde ein Data Head : Data Science, Machine Learning und Statistik verstehen und datenintensive Jobs meistern
von: Gutman, Alex J., et al.
Veröffentlicht: (2022)

Das Zeitalter der Daten : was Sie über Grundlagen, Algorithmen und Anwendungen wissen sollten
von: Aust, Holger
Veröffentlicht: (2021)

HMD - Praxis der Wirtschaftsinformatik
Veröffentlicht: (2009)

Einführung in Machine Learning mit Python : Praxiswissen Data Science
von: Müller, Andreas Christian, et al.
Veröffentlicht: (2017)

HMD - Praxis der Wirtschaftsinformatik
von: Fröschle, Hans-Peter, et al.
Veröffentlicht: (2023)

HMD - Praxis der Wirtschaftsinformatik
Veröffentlicht: (2020)

HMD - Praxis der Wirtschaftsinformatik
Veröffentlicht: (2021)

Das DevOps-Handbuch : Teams, Tools und Infrastrukturen erfolgreich umgestalten
von: Kim, Gene, et al.
Veröffentlicht: (2022)

Das Ende der Demokratie : wie die künstliche Intelligenz die Politik übernimmt und uns entmündigt
von: Hofstetter, Yvonne
Veröffentlicht: (2016)

HMD - Praxis der Wirtschaftsinformatik
von: Strahringer, Susanne
Veröffentlicht: (2023)

Einsatz von Machine-Learning-Verfahren in amtlichen Unternehmensstatistiken
von: Dumpert, Florian, et al.
Veröffentlicht: (2017)

ChatGPT & Co. : Mit KI-Tools effektiv arbeiten
Veröffentlicht: (2022)

HMD - Praxis der Wirtschaftsinformatik
Veröffentlicht: (2022)

Machine Learning Kochbuch : Praktische Lösungen mit Python: von der Vorverarbeitung der Daten bis zum Deep Learning
von: Albon, Chris
Veröffentlicht: (2019)

Prediction, Estimation, and Attribution
von: Efron, Bradley
Veröffentlicht: (2020)

Der unsichtbare Krieg : Wie die Digitalisierung Sicherheit und Stabilität in der Welt bedroht
von: Hofstetter, Yvonne
Veröffentlicht: (2020)

R für Data Science : Daten importieren, bereinigen, umformen, modellieren und visualisieren
von: Wickham, Hadley, et al.
Veröffentlicht: (2018)

Maschinelles Lernen: Classification and Regression Trees (CART) für Imputation nutzbar machen
von: Pech, Birgit
Veröffentlicht: (2019)

HMD - Praxis der Wirtschaftsinformatik

Das metrische Wir : Über die Quantifizierung des Sozialen
von: Mau, Steffen
Veröffentlicht: (2018)

Wie digital wollen wir leben? : die wichtigste Entscheidung für unsere Zukunft
von: Dohmen, Andreas
Veröffentlicht: (2019)

Datenanalyse und Statistik : Eine Einführung für Ökonomen im Bachelor
von: Bankhofer, Udo, et al.
Veröffentlicht: (2008)

HMD - Praxis der Wirtschaftsinformatik
Veröffentlicht: (2020)

HMD - Praxis der Wirtschaftsinformatik
Veröffentlicht: (2014)

Data Warehousing : Data Mining - OLAP
Veröffentlicht: (1998)

Data Warehousing: dem Kunden auf der Spur
Veröffentlicht: (1997)

Data Warehouse Blueprints : Business Intelligence in der Praxis
Veröffentlicht: (2016)

Big Data und Recht : Einführung für die Praxis
von: Caldarola, Maria Cristina, et al.
Veröffentlicht: (2019)

Data-Warehouse-Systeme für Dummies
von: Gerken, Wolfgang
Veröffentlicht: (2018)

Big Data : Chancen, Risiken, Entwicklungstendenzen
Veröffentlicht: (2018)

Data Governance : der Leitfaden für die Praxis
von: Weber, Kristin, et al.
Veröffentlicht: (2021)

Big data
Veröffentlicht: (2016)

Geheimhaltung im Data Warehouse : Prototypische Implementierung von automatisierter Geheimhaltung im Data Warehouse für die amtliche Hochschulstatistik in Bayern
von: Wipke, Mirco
Veröffentlicht: (2018)

Die empirische Erfassung des Lebenslangen Lernens : Eine Methodenuntersuchung unter Verwendung der Zeitbudgeterhebung 2001/2002
von: Wingerter, Christian
Veröffentlicht: (2004)

Datenintensive Anwendungen designen : Konzepte für zuverlässige, skalierbare und wartbare Systeme
von: Kleppmann, Martin
Veröffentlicht: (2019)

HMD - Praxis der Wirtschaftsinformatik
Veröffentlicht: (2021)