Onleihe. Datenbanken Angebot

McKinney, Wes

Datenanalyse mit Python

Auswertung von Daten mit pandas, NumPy und Jupyter

Data Science – Analytics and Applications

Proceedings of the 4th International Data Science Conference – iDSC2021

Data Science

Best Practices mit Python

Olson, David L.; Lauhoff, Georg

Deskriptives Data-Mining

Monetarisierung von technischen Daten

Innovationen aus Industrie und Forschung

Zimmer, Michael; Haneke, Uwe; Felden, Carsten

Data Science

Grundlagen, Architekturen und Anwendungen

Big Data Analytics

Grundlagen, Fallbeispiele und Nutzungspotenziale

Fregly, Chris; Barth, Antje

Data Science mit AWS

End-to-End-Pipelines für Continuous Machine Learning implementieren

Herbold, Steffen

Data-Science-Crashkurs

Eine interaktive und praktische Einführung

Papa, Joe

PyTorch kompakt

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

Lakshmanan, Valliappa; Robinson, Sara; Munn, Michael

Design Patterns für Machine Learning

Entwurfsmuster für Datenaufbereitung, Modellbildung und MLOps

Kersken, Sascha

Daten- und Prozessanalyse für Fachinformatiker*innen

Adams, Ralf

SQL

Der Grundkurs für Ausbildung und Praxis. Mit Beispielen in MySQL/MariaDB, PostgreSQL und T-SQL

Omont, Nicolas; Stenac, Clément; Lefèvre, Kenji

MLOps – Kernkonzepte im Überblick

Machine-Learning-Prozesse im Unternehmen nachhaltig automatisieren und skalieren

Shane, Janelle

Künstliche Intelligenz – Wie sie funktioniert und wann sie scheitert

Eine unterhaltsame Reise in die seltsame Welt der Algorithmen, neuronalen Netze und versteckten Giraffen

Nguyen, Chi Nhan; Zeigermann, Oliver

Machine Learning – kurz & gut

Eine Einführung mit Python, Pandas und Scikit-Learn

Bruce, Peter; Gedeck, Peter; Bruce, Andrew

Praktische Statistik für Data Scientists

50+ essenzielle Konzepte mit R und Python

Beaulieu, Alan

Einführung in SQL

Daten erzeugen, bearbeiten und abfragen

Weber, Kristin; Klingenberg, Christiana

Data Governance

Der Leitfaden für die Praxis

Harrison, Matt

Machine Learning – Die Referenz

Mit strukturierten Daten in Python arbeiten