Das Zeitalter der Daten : was Sie über Grundlagen, Algorithmen und Anwendungen wissen sollten

QR kȏd

Das Zeitalter der Daten : was Sie über Grundlagen, Algorithmen und Anwendungen wissen sollten

Bibliografski detalji
Glavni autor:	Aust, Holger (Autor)
Format:	Knjiga
Jezik:	German
Izdano:	Berlin, Germany : Springer, 2021
Serija:	Sachbuch
Teme:	Data Science Maschinelles Lernen Neuronales Netz Big Data

Similar Items

Data Science : Grundlagen, Architekturen und Anwendungen
Izdano: (2019)

Faszination Statistik : Einblicke in aktuelle Forschungsfragen und Erkenntnisse
Izdano: (2019)

R für Data Science : Daten importieren, bereinigen, umformen, modellieren und visualisieren
od: Wickham, Hadley, i dr.
Izdano: (2018)

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

HMD - Praxis der Wirtschaftsinformatik
Izdano: (2019)

HMD - Praxis der Wirtschaftsinformatik
Izdano: (2014)

Big Data und Recht : Einführung für die Praxis
od: Caldarola, Maria Cristina, i dr.
Izdano: (2019)

Neue digitale Daten in der amtlichen Statistik
od: Wiengarten, Lara, i dr.
Izdano: (2017)

HMD - Praxis der Wirtschaftsinformatik
Izdano: (2018)

HMD - Praxis der Wirtschaftsinformatik
Izdano: (2018)

Das DevOps-Handbuch : Teams, Tools und Infrastrukturen erfolgreich umgestalten
od: Kim, Gene, i dr.
Izdano: (2022)

Erschließung und Nutzung von kleinräumigen Informationen in der deutschen Städtestatistik
od: Haußmann, Michael
Izdano: (2015)

Big Data als neuer Weg der Datengewinnung für die amtliche Statistik
od: Schnorr-Bäcker, Susanne
Izdano: (2016)

Data Governance : der Leitfaden für die Praxis
od: Weber, Kristin, i dr.
Izdano: (2021)

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

Werde ein Data Head : Data Science, Machine Learning und Statistik verstehen und datenintensive Jobs meistern
od: Gutman, Alex J., i dr.
Izdano: (2022)

Big Data : Analysen zum digitalen Wandel von Wissen, Macht und Ökonomie
Izdano: (2014)

Big Data in der Praxis : Lösungen mit Hadoop, HBase und Hive ; Daten speichern, aufbereiten, visualisieren
od: Freiknecht, Jonas
Izdano: (2014)

Unsichtbare Frauen : Wie eine von Daten beherrschte Welt die Hälfte der Bevölkerung ignoriert
od: Criado-Perez, Caroline
Izdano: (2020)

Einsatz von Machine-Learning-Verfahren in amtlichen Unternehmensstatistiken
od: Dumpert, Florian, i dr.
Izdano: (2017)

Einführung in Machine Learning mit Python : Praxiswissen Data Science
od: Müller, Andreas Christian, i dr.
Izdano: (2017)

Governance der amtlichen Statistik : Vertrauen in die Qualität von Information
od: Radermacher, Walter J.
Izdano: (2017)

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

Die digitale Agenda des Statistischen Bundesamtes
od: Riede, Thomas, i dr.
Izdano: (2018)

Gut aufgestellt für die Zukunft - ein Dank an Dieter Sarreither
od: Thiel, Georg, i dr.
Izdano: (2017)

Big data
Izdano: (2016)

Neue Schriften zur Online-Forschung
Izdano: (2014)

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

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

HMD - Praxis der Wirtschaftsinformatik
Izdano: (2009)

Prediction, Estimation, and Attribution
od: Efron, Bradley
Izdano: (2020)

Internetgestützte Erfassung offener Stellen : Machbarkeitsstudie im Rahmen eines ESSnet-Projekts zu Big Data
od: Rengers, Martina
Izdano: (2018)

Digitale Agenda des Statistischen Bundesamtes
Izdano: (2019)

HMD - Praxis der Wirtschaftsinformatik
Izdano: (2020)

Rechtshandbuch Artificial Intelligence und Machine Learning
Izdano: (2020)

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

Data-Warehouse-Systeme für Dummies
od: Gerken, Wolfgang
Izdano: (2018)

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

Doing Data Science : [Straight Talk From the Frontlinde]
od: Schutt, Rachel, i dr.
Izdano: (2014)

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