Bücher / KI und ML / Data Science

KI und ML

Alle Programmiersprachen 1292KI und ML 661Algorithmen und Theorie 471Softwareentwicklung 391Webentwicklung 333DevOps und Infrastruktur 233Cybersicherheit 218Datenbanken 144Betriebssystem und System 142Spieleentwicklung 122Eingebettete Systeme 119Sonstiges 109IT-Management 100
Alle Data Science 209Maschinelles Lernen 133Neuronale Netzwerke 87LLM 85ChatGPT 31TensorFlow 27Computer Vision 24PyTorch 19MLOps 17NLP 12Pandas 9KI-Agenten 1
EN
Data Storytelling mit Altair und KI

Data Storytelling mit Altair und KI

A

Angelica Lo Duca

KI und ML
EN
Angewandte Data Science mit PySpark: Lernen Sie den kompletten prädiktiven Modellentwicklungszyklus, Zweite Auflage

Angewandte Data Science mit PySpark: Lernen Sie den kompletten prädiktiven Modellentwicklungszyklus, Zweite Auflage

A

Ramcharan Kakarla, Sundar Krishnan, Balaji Dhamodharan, Venkata Gunnu

KI und ML
EN
Geospatial Data Science Essentials: 101 praktische Python-Tipps und Tricks

Geospatial Data Science Essentials: 101 praktische Python-Tipps und Tricks

A

Milan Janosov

KI und ML
EN
Data Analytics & Visualization All-in-One für Dummies

Data Analytics & Visualization All-in-One für Dummies

A

Jack Hyman, Luca Massaron, Paul McFedries, John Paul Mueller, Lillian Pierson, Jonathan Reichental, PhD, Joseph Schmuller, Alan Simon, Allen G. Taylor

KI und ML
EN
Databricks Data Intelligence Platform: Die GenAI-Revolution freisetzen

Databricks Data Intelligence Platform: Die GenAI-Revolution freisetzen

A

Nikhil Gupta, Jason Yip

KI und ML
EN
Python 3 und Feature Engineering

Python 3 und Feature Engineering

A

Oswald Campesato

KI und ML
EN
Moderne Datenvisualisierung mit R

Moderne Datenvisualisierung mit R

A

Robert Kabacoff

KI und ML
EN
Datenwissenschaft erkunden mit R und dem Tidyverse: Eine knappe Einführung

Datenwissenschaft erkunden mit R und dem Tidyverse: Eine knappe Einführung

A

Jerry Bonnell, Mitsunori Ogihara

KI und ML
EN
Graph-Algorithmen für Data Science: Mit Beispielen in Neo4j

Graph-Algorithmen für Data Science: Mit Beispielen in Neo4j

A

Tomaž Bratanič

KI und ML
EN
Software Engineering für Data Scientists: Von Notebooks zu skalierbaren Systemen

Software Engineering für Data Scientists: Von Notebooks zu skalierbaren Systemen

A

Кэтрин Нельсон

KI und ML
EN
Minimalistische Datenverarbeitung mit Python

Minimalistische Datenverarbeitung mit Python

A

Марек Гаголевский

KI und ML
EN
Grundlagen von Data Science mit R, Python und offenen Daten

Grundlagen von Data Science mit R, Python und offenen Daten

A

Марко Кремонини

KI und ML
RU
Daten-Speicherungs- und Analyse-Toolkit: Der umfassende Leitfaden zur dimensionalen Modellierung

Daten-Speicherungs- und Analyse-Toolkit: Der umfassende Leitfaden zur dimensionalen Modellierung

A

Ральф Кимбалл, Марджи Росс

KI und ML
EN
Praktische präskriptive Modellierung

Praktische präskriptive Modellierung

A

Уолтер Р. Пачковски

KI und ML
EN
Fußballanalyse mit Python & R: Datenwissenschaft durch die Linse des Sports lernen

Fußballanalyse mit Python & R: Datenwissenschaft durch die Linse des Sports lernen

A

Eric A. Eager & Richard A. Erickson

KI und ML
RU
Python für Datenanalyse. Datenverarbeitung, Erstellung statistischer Modelle und maschinelles Lernen.

Python für Datenanalyse. Datenverarbeitung, Erstellung statistischer Modelle und maschinelles Lernen.

B

Уэс Маккинни

KI und ML
RU
Praktische Datenverarbeitung: Python und Pandas für Profis

Praktische Datenverarbeitung: Python und Pandas für Profis

A

Игорь Свинаренко

KI und ML
RU
Datenanalyse und -visualisierung in Yandex DataLens. Detaillierte Anleitung: vom Anfänger zum Experten

Datenanalyse und -visualisierung in Yandex DataLens. Detaillierte Anleitung: vom Anfänger zum Experten

A

Гинько А. Ю.

KI und ML
EN
Data Wrangling auf AWS: Komplexe Daten für die Analyse bereinigen und organisieren

Data Wrangling auf AWS: Komplexe Daten für die Analyse bereinigen und organisieren

A

Navnit Shukla, Sankar M, Sam Palani

KI und ML
EN
Numerische Methoden mit Kotlin: Für Data Science, Analyse und Technik

Numerische Methoden mit Kotlin: Für Data Science, Analyse und Technik

A

Haksun Li, PhD

KI und ML
EN
Data Engineering Design Patterns: Rezepte zur Lösung der häufigsten Data-Engineering-Probleme

Data Engineering Design Patterns: Rezepte zur Lösung der häufigsten Data-Engineering-Probleme

A

Bartosz Konieczny

KI und ML
RU
Datenvorbereitung in Python. Band 2: Planung, Beispiele und Qualitätsmetriken

Datenvorbereitung in Python. Band 2: Planung, Beispiele und Qualitätsmetriken

A

А. В. Груздев

KI und ML
RU
Datenvorbereitung in Python. Band 1. Werkzeuge und Validierung

Datenvorbereitung in Python. Band 1. Werkzeuge und Validierung

A

А. В. Груздев

KI und ML
RU
Grundlagen von Python für Data Science

Grundlagen von Python für Data Science

A

Кеннеди Берман

KI und ML
RU
Einstieg in die Datenanalyse

Einstieg in die Datenanalyse

A

Джордж Маунт

KI und ML
RU
Datenvisualisierung: Vollständiger Kurs für Einsteiger

Datenvisualisierung: Vollständiger Kurs für Einsteiger

A

Тамара Манцнер

KI und ML
RU
Praktische Einführung in die wichtigsten Python-Bibliotheken und -Frameworks (mit Codebeispielen)

Praktische Einführung in die wichtigsten Python-Bibliotheken und -Frameworks (mit Codebeispielen)

B

Мурат Дурмус

KI und ML
RU
Meta-Lernen. Anwendung in AutoML und Data Science

Meta-Lernen. Anwendung in AutoML und Data Science

A

Павел Браздил, Ян ван Рейн, Карлос Соарес, Хоакин Ваншорен

KI und ML
RU
Praktikum zur Datenanalyse mit Python und R

Praktikum zur Datenanalyse mit Python und R

A

О.А. Баюк, М.Р. Исаева, М.О. Самсонкин

KI und ML
EN
Skalierung von Python mit Dask: Von Data Science bis Machine Learning

Skalierung von Python mit Dask: Von Data Science bis Machine Learning

A

Holden Karau, Mika Kimmins

KI und ML
EN
R für Data Science, 2. Auflage

R für Data Science, 2. Auflage

A

Hadley Wickham, Mine Çetinkaya-Rundel, Garrett Grolemund

KI und ML
RU
Python und Datenanalyse. Primäre Datenverarbeitung mit pandas, NumPy und Jupyter

Python und Datenanalyse. Primäre Datenverarbeitung mit pandas, NumPy und Jupyter

A

Уэс Маккинни

KI und ML
EN
Moderne Datenarchitekturen mit Python: Ein praktischer Leitfaden zum Erstellen und Bereitstellen von Datenpipelines, Data Warehouses und Data Lakes mit Python

Moderne Datenarchitekturen mit Python: Ein praktischer Leitfaden zum Erstellen und Bereitstellen von Datenpipelines, Data Warehouses und Data Lakes mit Python

A

Brian Lipp

KI und ML
EN
Data Science: Die schwierigen Teile. Techniken für herausragende Data Science.

Data Science: Die schwierigen Teile. Techniken für herausragende Data Science.

A

Daniel Vaughan

KI und ML
EN
Data Wrangling mit SQL: Ein praktischer Leitfaden zur Manipulation, Aufbereitung und Aufbereitung von Daten mit SQL

Data Wrangling mit SQL: Ein praktischer Leitfaden zur Manipulation, Aufbereitung und Aufbereitung von Daten mit SQL

A

Raghav Kandarpa, Shivangi Saxena

KI und ML
EN
Statistik und Datenvisualisierung mit Python

Statistik und Datenvisualisierung mit Python

A

Jesús Rogel-Salazar

KI und ML
RU
Python für Data Science

Python für Data Science

A

Юлий Васильев

KI und ML
EN
Meisterung von ArcGIS Pro

Meisterung von ArcGIS Pro

A

Maribeth H. Price

KI und ML
RU
Power BI: Fortgeschrittene Optimierungstechniken. Der umfassende Leitfaden für den Aufbau stabiler und schneller Lösungen in Microsoft Power BI

Power BI: Fortgeschrittene Optimierungstechniken. Der umfassende Leitfaden für den Aufbau stabiler und schneller Lösungen in Microsoft Power BI

A

Бхавик Мерчант

KI und ML
EN
Praktischer Leitfaden zur angewandten Konformen Vorhersage in Python

Praktischer Leitfaden zur angewandten Konformen Vorhersage in Python

A

Valery Manokhin

KI und ML
EN
Exploratory Data Analysis mit Python Cookbook: Über 50 Rezepte zur Analyse, Visualisierung und Gewinnung von Erkenntnissen aus strukturierten und unstrukturierten Daten

Exploratory Data Analysis mit Python Cookbook: Über 50 Rezepte zur Analyse, Visualisierung und Gewinnung von Erkenntnissen aus strukturierten und unstrukturierten Daten

A

Ayodele Oluleye

KI und ML
EN
Der Cloud Data Lake: Ein Leitfaden zum Aufbau robuster Cloud-Datenarchitektur

Der Cloud Data Lake: Ein Leitfaden zum Aufbau robuster Cloud-Datenarchitektur

A

Rukmani Gopalan

KI und ML
EN
Python Data Science Handbuch: Wesentliche Werkzeuge für die Arbeit mit Daten

Python Data Science Handbuch: Wesentliche Werkzeuge für die Arbeit mit Daten

A

Jake VanderPlas

KI und ML
EN
Grundlagen der Datenbeobachtbarkeit: Implementierung vertrauenswürdiger End-to-End-Datenlösungen

Grundlagen der Datenbeobachtbarkeit: Implementierung vertrauenswürdiger End-to-End-Datenlösungen

A

Andy Petrella

KI und ML
EN
Verwalten von Datensätzen und Modellen

Verwalten von Datensätzen und Modellen

A

Oswald Campesato

KI und ML
RU
DAX für Profis: Theorie und Praxis. Bringen Sie Ihre analytischen Fähigkeiten in Microsoft Power BI auf die nächste Stufe.

DAX für Profis: Theorie und Praxis. Bringen Sie Ihre analytischen Fähigkeiten in Microsoft Power BI auf die nächste Stufe.

A

Мишель Розема, Хенк Влотман

KI und ML
EN
Python-Tools für Data Scientists: Taschenprimer

Python-Tools für Data Scientists: Taschenprimer

A

Oswald Campesato

KI und ML
EN
Einführung in Streamlit mit Python: Web-basierte Daten- und Machine-Learning-Anwendungen entwickeln

Einführung in Streamlit mit Python: Web-basierte Daten- und Machine-Learning-Anwendungen entwickeln

B

Sujay Raghavendra

KI und ML
EN
Analytics Engineering mit SQL und dbt: Sinnvolle Datenmodelle im großen Maßstab erstellen

Analytics Engineering mit SQL und dbt: Sinnvolle Datenmodelle im großen Maßstab erstellen

A

Rui Machado, Hélder Russa

KI und ML
EN
Streaming Data Mesh: Ein Modell zur Optimierung von Echtzeit-Datendiensten

Streaming Data Mesh: Ein Modell zur Optimierung von Echtzeit-Datendiensten

A

Hubert Dulay, Stephen Mooney

KI und ML
← 1234 →

PDF-Qualitätswert:

A Ausgezeichnet — kopierbarer Text, Inhaltsverzeichnis, Metadaten B Gut — Text vorhanden, einige Daten fehlen C Durchschnittlich — Text teilweise extrahierbar D Schlecht — höchstwahrscheinlich ein Scan F Scan ohne OCR — Text kann nicht extrahiert werden