Suche nach 'Data Science' bei arvelle.de

¹ Mängelexemplare sind Bücher mit leichten Beschädigungen wie angestoßenen Ecken, Kratzer auf dem Umschlag, Beschädigungen/Dellen am Buchschnitt oder ähnlichem. Diese Bücher sind durch einen Stempel "Mängelexemplar" als solche gekennzeichnet. Die frühere Buchpreisbindung ist dadurch aufgehoben. Angaben zu Preissenkungen beziehen sich auf den gebundenen Preis eines mangelfreien Exemplars.

² Mängelexemplare sind Bücher mit leichten Beschädigungen wie angestoßenen Ecken, Kratzer auf dem Umschlag, Beschädigungen/Dellen am Buchschnitt oder ähnlichem. Diese Bücher sind durch einen Stempel "Mängelexemplar" als solche gekennzeichnet. Angaben zu Preissenkungen beziehen sich auf den ehemaligen gebundenen Preis eines mangelfreien Exemplars.

³ Die Preisbindung dieses Artikels wurde aufgehoben. Angaben zu Preissenkungen beziehen sich auf den vorherigen gebundenen Ladenpreis.

⁴ Der Preisvergleich bezieht sich auf die unverbindliche Preisempfehlung, wie diese vom Hersteller oder von einem Lieferanten zur Verfügung gestellt wird.

⁵ Diese Artikel haben leichte Beschädigungen wie angestoßenen Ecken, Kratzer oder ähnliches und können teilweise mit einem Stempel "Mängelexemplar" als solche gekennzeichnet sein. Der Preisvergleich bezieht sich auf die unverbindliche Preisempfehlung, wie diese vom Hersteller oder von einem Lieferanten zur Verfügung gestellt wird.

⁶ Der Preisvergleich bezieht sich auf die Summe der Einzelpreise der Artikel im Paket. Bei den zum Kauf angebotenen Artikeln handelt es sich um Mängelexemplare oder die Preisbindung dieser Artikel wurde aufgehoben oder der Preis wurde vom Verlag gesenkt oder um eine ehemalige unverbindliche Preisempfehlung des Herstellers. Angaben zu Preissenkungen beziehen sich auf den vorherigen Preis. Der jeweils zutreffende Grund wird Ihnen auf der Artikelseite dargestellt.

⁷ Der gebundene Preis des Buches wurde vom Verlag gesenkt. Angaben zu Preissenkungen beziehen sich auf den vorherigen gebundenen Preis.

⁸ Sonderausgabe in anderer Ausstattung, inhaltlich identisch. Angaben zu Preissenkungen beziehen sich auf den Vergleich Originalausgabe zu Sonderausgabe.

⁹ Der Preisvergleich bezieht sich auf den Originalpreis eines neuen Exemplares.

Ergebnisse für 'Data Science'

Angewandte Data Science - Projekte | Methoden | Prozesse

Auf dem Weg zu Netto-Null-Zielen - Nutzung von Data Science für Langzeit-Nachhaltigkeitswege

Data Science - Grundlagen, Architekturen und Anwendungen

Data Science - Grundlagen, Methoden und Modelle der Statistik

Data Science Management - Vom ersten Konzept bis zur Governance datengetriebener Organisationen

Data Science für Einsteiger - Daten analysieren, interpretieren und richtige Entscheidungen treffen

Data Science für Unternehmen - Data Mining und datenanalytisches Denken praktisch anwenden

Data Science in der Praxis - Data Science in der Praxis - Eine verständliche Einführung in alle wichtigen Data-Science-Verfahren

Data Science mit AWS - End-to-End-Pipelines für Continuous Machine Learning implementieren

Data Science mit SAP HANA - Machine Learning, Advanced und Predictive Analytics - Auch mit SAP HANA Cloud

Data Science und Statistik mit R - Anwendungslösungen für die Praxis

Data-Science-Crashkurs - Eine interaktive und praktische Einführung

Datenrendite - Mit künstlicher Intelligenz, Machine Learning und Data Science den Unternehmenswert steigern

Datenschutz und Data Science - Herausforderungen und Handlungsoptionen im Beschäftigtendatenschutz

Einführung in Data Science - Grundprinzipien der Datenanalyse mit Python

Einstieg in Data Science mit R - Datenanalyse und Statistik ohne Vorkenntnisse. Data Science für Studium und Beruf. Alle Beispielprojekte zum Download

Handbuch Data Science mit Python - Grundlegende Tools für die Arbeit mit Daten

Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn

Neue Dimensionen in Data Science - Interdisziplinäre Ansätze und Anwendungen aus Wissenschaft und Wirtschaft

R für Data Science - Daten importieren, bereinigen, umformen und visualisieren

Werde ein Data Head - Data Science, Machine Learning und Statistik verstehen und datenintensive Jobs meistern

Zeig mir Health Data Science! - Ideen und Material für guten Biometrie-Unterricht mit datenwissenschaftlichem Fokus

Quantitative Forschung in Masterarbeiten - Best-Practice-Beispiele wirtschaftswissenschaftlicher Studienrichtungen

Data Mesh - Eine dezentrale Datenarchitektur entwerfen

BioMachtData - Textstrategien im politischen und postfeministischen Feld

Google Analytics 4 - Das umfassende Handbuch mit allen Neuerungen und Features von GA4

Statistisches Programmieren mit R - Eine ausführliche, übersichtliche, spannende und praxiserprobte Einführung

Datenbanksysteme - Das umfassende Lehrbuch für Ausbildung, Beruf und Studium - Auflage 2024

Die urheberrechtliche Beurteilung des Text und Data Mining in Europa und den USA aus rechtsvergleichender Sicht

Datenanalyse mit Python - Auswertung von Daten mit pandas, NumPy und Jupyter

R - kurz & gut

Data Driven Controlling - Data Analytics und KI kennen und nutzen

Machine Learning - Die Referenz - Mit strukturierten Daten in Python arbeiten

Deep Reinforcement Learning - Das umfassende Praxis-Handbuch. Moderne Algorithmen für Chatbots, Robotik, diskrete Optimierung und Web-Automatisierung inkl. Multiagenten-Methoden. Moderne Algorithmen für Chatbots, Robotik, diskrete Op

Python von Kopf bis Fuß - Grundlagen und Praxis der Python-Programmierung

Handbuch Data Engineering - Robuste Datensysteme planen und erstellen

Machine Learning und Neuronale Netze - Der verständliche Einstieg mit Python

Data Governance - Nachhaltige Geschäftsmodelle und Technologien im europäischen Rechtsrahmen

Maschinelles Lernen - Grundlagen und Anwendungen - Mit Beispielen in Python

Praktische Statistik für Data Scientists - 50+ essenzielle Konzepte mit R und Python

PyTorch für Deep Learning - Anwendungen für Bild-, Ton- und Textdaten entwickeln und deployen

Statistik mit R Schnelleinstieg - R einfach lernen in 14 Tagen

Python - Schritt für Schritt Programmieren lernen

MLOps - Kernkonzepte im Überblick - Machine-Learning-Prozesse im Unternehmen nachhaltig automatisieren und skalieren

Python Crashkurs - Eine praktische, projektbasierte Programmiereinführung

Netzbasierte Ansätze zur natürlichsprachlichen Informationsverarbeitung

PyTorch kompakt - Syntax, Design Patterns und Codebeispiele für Deep-Learning-Modelle

KI: Wenn wir wüssten... - Was künstliche Intelligenz alles über uns weiß und was wir über sie wissen sollten

Datenkompetenz - Daten erfolgreich nutzen

Agile Analytics - Wie Unternehmen Daten für bessere Entscheidungen und Leistungen nutzen

Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow

Mathe-Basics für Data Scientists - Lineare Algebra, Statistik und Wahrscheinlichkeitsrechnung für die Datenanalyse

Neuronale Netze und Deep Learning kapieren - Der einfache Praxiseinstieg mit Beispielen in Python

Machine Learning und Neuronale Netze - Der verständliche Einstieg mit Python

Python für Ingenieure für Dummies - Mit vielen Programmbeispielen zu Numpy, Matplotlib und mehr

Weltrettung braucht Wissenschaft - Antworten auf die drängenden Fragen unserer Zeit

Visualizing Complexity - Handbuch modulares Informationsdesign

Digitaler Humanismus - Eine Ethik für das Zeitalter der Künstlichen Intelligenz

Was kann und darf Künstliche Intelligenz? - Ein Plädoyer für Digitalen Humanismus | ChatGPT, Metaverse und die Folgen

Grundlagen der Geo-Informationssysteme