Numerisches Python
• Grundlagen der Lösung numerischer Probleme mit Python
• Verarbeitung großer Datenmengen (»Big Data«) mit NumPy, wie sie beispielsweise im maschinellen Lernen Anwendung finden
• Zielgruppe sind Personen, die in der Wissenschaft, im Ingenieurwesen und in der Datenanalyse
tätig sind
• Datenvisualisierung mit Matplotlib
• Ideal zum Umstieg von Matlab auf Python
In diesem Buch stehen die numerischen Verfahren im Fokus, die im Gebiet »Data Science« und »Maschinelles Lernen« besonders benötigt werden. Python gehört zu den wichtigsten und am häufigsten benutzten Sprachen in diesem Gebiet und wird in Kombination mit seinen Modulen NumPy, SciPy, Matplotlib und Pandas häufiger verwendet als Matlab und R.
Der erste Teil des Buchs enthält eine kompakte Einführung in Python, eine ideale Zusammenfassung für diejenigen, die Python bereits kennen oder mit dem Buch »Einführung in Python 3« von Bernd Klein gelernt haben.
NumPy ist das zentrale Thema des zweiten Teils. Der Aufbau und das Arbeiten mit NumPy-Arrays bilden den Ausgangspunkt dieses Kapitels. Danach wird auf die besonderen Aspekte des dtype-Datentyps eingegangen. In einem weiteren Kapitel stehen die Numerischen Operationen, Broadcasting und Ufuncs von NumPy im Mittelpunkt.
Einigen Fragestellungen der Statistik und der Wahrscheinlichkeitsrechnung wurde ebenfalls ein Kapitel gewidmet. Auch auf die Boolesche Maskierung und Indizierung von NumPy-Arrays wird eingegangen. Der NumPy-Teil des Buchs schließt mit dem File-Handling von Daten.
AUS DEM INHALT //
NumPy:
Numerische Operationen auf mehrdimensionalen Arrays/Broadcasting/Ufuncs
Matplotlib:
Diskrete und kontinuierliche Graphen/Balken- und Säulendiagramme/Histogramme/Konturplots
Pandas:
Series/DataFrames/Lesen, Schreiben und Bearbeiten von Excel- und csv-Dateien/Umgang mit unvollständigen Daten/Datenvisualisierung/Zeitserien
EXTRA: E-Book inside. Systemvoraussetzungen für E-Book inside: Internet-Verbindung und Adobe-Reader oder Ebook-Reader bzw. Adobe Digital Editions.
Aktualisiert: 2023-06-27
> findR *
Numerisches Python
• Grundlagen der Lösung numerischer Probleme mit Python
• Verarbeitung großer Datenmengen (»Big Data«) mit NumPy, wie sie beispielsweise im maschinellen Lernen Anwendung finden
• Zielgruppe sind Personen, die in der Wissenschaft, im Ingenieurwesen und in der Datenanalyse
tätig sind
• Datenvisualisierung mit Matplotlib
• Ideal zum Umstieg von Matlab auf Python
In diesem Buch stehen die numerischen Verfahren im Fokus, die im Gebiet »Data Science« und »Maschinelles Lernen« besonders benötigt werden. Python gehört zu den wichtigsten und am häufigsten benutzten Sprachen in diesem Gebiet und wird in Kombination mit seinen Modulen NumPy, SciPy, Matplotlib und Pandas häufiger verwendet als Matlab und R.
Der erste Teil des Buchs enthält eine kompakte Einführung in Python, eine ideale Zusammenfassung für diejenigen, die Python bereits kennen oder mit dem Buch »Einführung in Python 3« von Bernd Klein gelernt haben.
NumPy ist das zentrale Thema des zweiten Teils. Der Aufbau und das Arbeiten mit NumPy-Arrays bilden den Ausgangspunkt dieses Kapitels. Danach wird auf die besonderen Aspekte des dtype-Datentyps eingegangen. In einem weiteren Kapitel stehen die Numerischen Operationen, Broadcasting und Ufuncs von NumPy im Mittelpunkt.
Einigen Fragestellungen der Statistik und der Wahrscheinlichkeitsrechnung wurde ebenfalls ein Kapitel gewidmet. Auch auf die Boolesche Maskierung und Indizierung von NumPy-Arrays wird eingegangen. Der NumPy-Teil des Buchs schließt mit dem File-Handling von Daten.
AUS DEM INHALT //
NumPy:
Numerische Operationen auf mehrdimensionalen Arrays/Broadcasting/Ufuncs
Matplotlib:
Diskrete und kontinuierliche Graphen/Balken- und Säulendiagramme/Histogramme/Konturplots
Pandas:
Series/DataFrames/Lesen, Schreiben und Bearbeiten von Excel- und csv-Dateien/Umgang mit unvollständigen Daten/Datenvisualisierung/Zeitserien
EXTRA: E-Book inside. Systemvoraussetzungen für E-Book inside: Internet-Verbindung und Adobe-Reader oder Ebook-Reader bzw. Adobe Digital Editions.
Aktualisiert: 2023-06-27
> findR *
EINFÜHRUNG IN PYTHON 3 //
- Lehrbuch und Nachschlagewerk
- Farbige Syntaxdarstellung
- Geeignet für Programmieranfänger, aber auch für Umsteiger von anderen Sprachen wie z. B. C, C++, C#, Java
- Systematische Einführung in Python, aufbauend auf den Erfahrungen aus Hunderten von Schulungen des Autors
- Praxisnahe Übungen mit ausführlich dokumentierten Musterlösungen
- Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches
Die wesentlichen Begriffe und Techniken der Programmierung wie auch die zugrunde liegenden Ideen werden anschaulich erklärt. Anhand typischer Beispiele werden unterschiedliche Problemstellungen verdeutlicht, die sich dann leicht auf andere Anwendungsfälle übertragen lassen. Die Übungsaufgaben mit ausführlich dokumentierten Musterlösungen dienen zur Vertiefung des Stoffs und zeigen exemplarische Vorgehensweisen, die in vielen anderen Bereichen verwendet werden können.
Als idealer Einstieg für Programmieranfänger und für Umsteiger behandelt dieses Buch alle grundlegenden Sprachelemente von Python. Auch für Python-Kenner bietet das Buch viele weiterführende Themen wie Funktionale Programmierung mit Dekorateuren, Generatoren, Klasseninstanzen als aufrufbare Objekte, Systemprogrammierung, Forks, Ausnahmehandlungen und Modultests.
Entsprechend ihrer Bedeutung ist der Objektorientierung ein umfangreicher Teil des Buchs gewidmet. In anschaulicher und leicht verständlicher Weise wird in die Thematik der OOP eingeführt und dabei der pythonische Stil demonstriert, der sich deutlich von C++ und Java unterscheidet. Außerdem wurden nun auch eigene Kapitel zu Slots, dynamischer Erzeugung von Klassen, Metaklassen und Abstrakten Klassen aufgenommen.
Die Funktionale Programmierung wird in einem eigenen Teil behandelt. Dazu wurden die Kapitel über Dekorateure und Generatoren grundlegend überarbeitet und erweitert.
AUS DEM INHALT //
- Grundlagen: Sequentielle Datentypen, Dictionaries, Mengen, Verzweigungen, Schleifen
- Flaches und tiefes Kopieren
- Funktionen
- Modularisierung
- Objektorientierte Programmierung: Grundlagen, Aufrufbare Objekte (Callables), Vererbung, Mehrfachvererbung, Slots, Klassendekoration, Metaklassen, Abstrakte Klassen
- Funktionale Programmierung: lambda, map, filter und Listen-Abstraktion, Generatoren und Iteratoren, Dekorateure
- Tests und Fehler
- Daten konservieren
- Reguläre Ausdrücke
- Typ-Anmerkungen
- Systemprogrammierung
- Forks
Aktualisiert: 2023-06-27
> findR *
- Grundlagen zur Lösung numerischer Probleme mit Python
- Verarbeitung großer Datenmengen mit NumPy, z. B. im maschinellen Lernen
- Datenvisualisierung mit Matplotlib
- Ideal für Personen aus Wissenschaft, Ingenieurwesen und Datenanalyse
- Ideal zum Umstieg von Matlab auf Python
- Einführung anhand vieler Beispiele und Praxisfälle sowie Musterlösungen
- Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches
Dieses Buch vermittelt die Python-Grundlagen zur Lösung numerischer Probleme aus den Gebieten »Data Science« und »Maschinelles Lernen«.
Im ersten Teil geht es um NumPy als Basis der numerischen Programmierung mit Python. Eingehend behandelt werden Arrays als zentraler Datentyp für alles, Numerische Operationen, Broadcasting und Ufuncs. Statistik und Wahrscheinlichkeitsrechnung ist ein eigenes Kapitel gewidmet, ebenso wie Boolscher Maskierung und File-Handling.
Die Datenvisualisierung mit Matplotlib bildet den Schwerpunkt des zweiten Teils. Zunächst geht es um die Begrif ichkeit von Matplotlib. Behandelt werden Linien-, Balkendiagramme, Histogramme und Konturplots.
Der dritte Teil dreht sich um Pandas mit seinen Series und DataFrames. Behandelt wird auch der Umgang mit verschiedensten Dateiformaten wie Excel, CSV und JSON sowie mit unvollständigen Daten und NaN. Aufgezeigt werden die Möglichkeiten der Datenvisualisierung direkt mit Pandas.
Der vierte Teil bietet Beispielanwendungen des erlernten Stoffes, wie z.B. ein Haushaltsbuch und eine praxistaugliche Einnahmeüberschussrechnung. Auch findet sich hier eine Einführung in Bildverarbeitungstechniken.
Fast jedes der 32 Kapitel enthält zusätzliche Übungen zum Erproben und Vertiefen des Erlernten, die zugehörigen Lösungen sind im fünften Teil zusammengefasst.
AUS DEM INHALT //
NumPy
• Numerische Operationen auf mehrdimensionalen Arrays
• Broadcasting und Ufuncs
Matplotlib:
• Diskrete und kontinuierliche Graphen
• Balken- und Säulendiagramme, Histogramme, Konturplots
Pandas:
• Series und DataFrames
• Arbeiten mit Excel-, csv- und JSON-Dateien
• Unvollständige Daten (NaN)
• Datenvisualisierung
Praxisbeispiele:
• Bildverarbeitung
• Haushaltsbuch und Einnahmeüberschussrechnung
Aktualisiert: 2023-06-27
> findR *
- Grundlagen zur Lösung numerischer Probleme mit Python
- Verarbeitung großer Datenmengen mit NumPy, z. B. im maschinellen Lernen
- Datenvisualisierung mit Matplotlib
- Ideal für Personen aus Wissenschaft, Ingenieurwesen und Datenanalyse
- Ideal zum Umstieg von Matlab auf Python
- Einführung anhand vieler Beispiele und Praxisfälle sowie Musterlösungen
- Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches
Dieses Buch vermittelt die Python-Grundlagen zur Lösung numerischer Probleme aus den Gebieten »Data Science« und »Maschinelles Lernen«.
Im ersten Teil geht es um NumPy als Basis der numerischen Programmierung mit Python. Eingehend behandelt werden Arrays als zentraler Datentyp für alles, Numerische Operationen, Broadcasting und Ufuncs. Statistik und Wahrscheinlichkeitsrechnung ist ein eigenes Kapitel gewidmet, ebenso wie Boolscher Maskierung und File-Handling.
Die Datenvisualisierung mit Matplotlib bildet den Schwerpunkt des zweiten Teils. Zunächst geht es um die Begrif ichkeit von Matplotlib. Behandelt werden Linien-, Balkendiagramme, Histogramme und Konturplots.
Der dritte Teil dreht sich um Pandas mit seinen Series und DataFrames. Behandelt wird auch der Umgang mit verschiedensten Dateiformaten wie Excel, CSV und JSON sowie mit unvollständigen Daten und NaN. Aufgezeigt werden die Möglichkeiten der Datenvisualisierung direkt mit Pandas.
Der vierte Teil bietet Beispielanwendungen des erlernten Stoffes, wie z.B. ein Haushaltsbuch und eine praxistaugliche Einnahmeüberschussrechnung. Auch findet sich hier eine Einführung in Bildverarbeitungstechniken.
Fast jedes der 32 Kapitel enthält zusätzliche Übungen zum Erproben und Vertiefen des Erlernten, die zugehörigen Lösungen sind im fünften Teil zusammengefasst.
AUS DEM INHALT //
NumPy
• Numerische Operationen auf mehrdimensionalen Arrays
• Broadcasting und Ufuncs
Matplotlib:
• Diskrete und kontinuierliche Graphen
• Balken- und Säulendiagramme, Histogramme, Konturplots
Pandas:
• Series und DataFrames
• Arbeiten mit Excel-, csv- und JSON-Dateien
• Unvollständige Daten (NaN)
• Datenvisualisierung
Praxisbeispiele:
• Bildverarbeitung
• Haushaltsbuch und Einnahmeüberschussrechnung
Aktualisiert: 2023-06-27
> findR *
- Grundlagen zur Lösung numerischer Probleme mit Python
- Verarbeitung großer Datenmengen mit NumPy, z. B. im maschinellen Lernen
- Datenvisualisierung mit Matplotlib
- Ideal für Personen aus Wissenschaft, Ingenieurwesen und Datenanalyse
- Ideal zum Umstieg von Matlab auf Python
- Einführung anhand vieler Beispiele und Praxisfälle sowie Musterlösungen
- Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches
Dieses Buch vermittelt die Python-Grundlagen zur Lösung numerischer Probleme aus den Gebieten »Data Science« und »Maschinelles Lernen«.
Im ersten Teil geht es um NumPy als Basis der numerischen Programmierung mit Python. Eingehend behandelt werden Arrays als zentraler Datentyp für alles, Numerischen Operationen, Broadcasting und Ufuncs. Statistik und Wahrscheinlichkeitsrechnung ist ein eigenes Kapitel gewidmet, ebenso wie Boolscher Maskierung und File-Handling.
Die Datenvisualisierung mit Matplotlib bildet den Schwerpunkt des zweiten Teils. Zunächst geht es um die Begrif ichkeit von Matplotlib. Behandelt werden Linien-, Balkendiagramme, Histogramme und Konturplots.
Der dritte Teil dreht sich um Pandas mit seinen Series und DataFrames. Behandelt wird auch der Umgang mit verschiedensten Dateiformaten wie Excel, CSV und JSON sowie mit unvollständigen Daten und NaN. Aufgezeigt werden die Möglichkeiten der Datenvisualisierung direkt mit Pandas.
Der vierte Teil bietet Beispielanwendungen des erlernten Stoffes, wie z.B. ein Haushaltsbuch und eine praxistaugliche Einnahmeüberschussrechnung. Auch findet sich hier eine Einführung in Bildverarbeitungstechniken.
Fast jedes der 32 Kapitel enthält zusätzliche Übungen zum Erproben und Vertiefen des Erlernten, die zugehörigen Lösungen sind im fünften Teil zusammengefasst.
AUS DEM INHALT //
NumPy
• Numerische Operationen auf mehrdimensionalen Arrays
• Broadcasting und Ufuncs
Matplotlib:
• Diskrete und kontinuierliche Graphen
• Balken- und Säulendiagramme, Histogramme, Konturplots
Pandas:
• Series und DataFrames
• Arbeiten mit Excel-, csv- und JSON-Dateien
• Unvollständige Daten (NaN)
• Datenvisualisierung
Praxisbeispiele:
• Bildverarbeitung
• Haushaltsbuch und Einnahmeüberschussrechnung
Aktualisiert: 2023-06-20
> findR *
- Grundlagen zur Lösung numerischer Probleme mit Python
- Verarbeitung großer Datenmengen mit NumPy, z. B. im maschinellen Lernen
- Datenvisualisierung mit Matplotlib
- Ideal für Personen aus Wissenschaft, Ingenieurwesen und Datenanalyse
- Ideal zum Umstieg von Matlab auf Python
- Einführung anhand vieler Beispiele und Praxisfälle sowie Musterlösungen
- Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches
Dieses Buch vermittelt die Python-Grundlagen zur Lösung numerischer Probleme aus den Gebieten »Data Science« und »Maschinelles Lernen«.
Im ersten Teil geht es um NumPy als Basis der numerischen Programmierung mit Python. Eingehend behandelt werden Arrays als zentraler Datentyp für alles, Numerischen Operationen, Broadcasting und Ufuncs. Statistik und Wahrscheinlichkeitsrechnung ist ein eigenes Kapitel gewidmet, ebenso wie Boolscher Maskierung und File-Handling.
Die Datenvisualisierung mit Matplotlib bildet den Schwerpunkt des zweiten Teils. Zunächst geht es um die Begrif ichkeit von Matplotlib. Behandelt werden Linien-, Balkendiagramme, Histogramme und Konturplots.
Der dritte Teil dreht sich um Pandas mit seinen Series und DataFrames. Behandelt wird auch der Umgang mit verschiedensten Dateiformaten wie Excel, CSV und JSON sowie mit unvollständigen Daten und NaN. Aufgezeigt werden die Möglichkeiten der Datenvisualisierung direkt mit Pandas.
Der vierte Teil bietet Beispielanwendungen des erlernten Stoffes, wie z.B. ein Haushaltsbuch und eine praxistaugliche Einnahmeüberschussrechnung. Auch findet sich hier eine Einführung in Bildverarbeitungstechniken.
Fast jedes der 32 Kapitel enthält zusätzliche Übungen zum Erproben und Vertiefen des Erlernten, die zugehörigen Lösungen sind im fünften Teil zusammengefasst.
AUS DEM INHALT //
NumPy
• Numerische Operationen auf mehrdimensionalen Arrays
• Broadcasting und Ufuncs
Matplotlib:
• Diskrete und kontinuierliche Graphen
• Balken- und Säulendiagramme, Histogramme, Konturplots
Pandas:
• Series und DataFrames
• Arbeiten mit Excel-, csv- und JSON-Dateien
• Unvollständige Daten (NaN)
• Datenvisualisierung
Praxisbeispiele:
• Bildverarbeitung
• Haushaltsbuch und Einnahmeüberschussrechnung
Aktualisiert: 2023-06-20
> findR *
- Grundlagen zur Lösung numerischer Probleme mit Python
- Verarbeitung großer Datenmengen mit NumPy, z. B. im maschinellen Lernen
- Datenvisualisierung mit Matplotlib
- Ideal für Personen aus Wissenschaft, Ingenieurwesen und Datenanalyse
- Ideal zum Umstieg von Matlab auf Python
- Einführung anhand vieler Beispiele und Praxisfälle sowie Musterlösungen
- Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches
Dieses Buch vermittelt die Python-Grundlagen zur Lösung numerischer Probleme aus den Gebieten »Data Science« und »Maschinelles Lernen«.
Im ersten Teil geht es um NumPy als Basis der numerischen Programmierung mit Python. Eingehend behandelt werden Arrays als zentraler Datentyp für alles, Numerischen Operationen, Broadcasting und Ufuncs. Statistik und Wahrscheinlichkeitsrechnung ist ein eigenes Kapitel gewidmet, ebenso wie Boolscher Maskierung und File-Handling.
Die Datenvisualisierung mit Matplotlib bildet den Schwerpunkt des zweiten Teils. Zunächst geht es um die Begrif ichkeit von Matplotlib. Behandelt werden Linien-, Balkendiagramme, Histogramme und Konturplots.
Der dritte Teil dreht sich um Pandas mit seinen Series und DataFrames. Behandelt wird auch der Umgang mit verschiedensten Dateiformaten wie Excel, CSV und JSON sowie mit unvollständigen Daten und NaN. Aufgezeigt werden die Möglichkeiten der Datenvisualisierung direkt mit Pandas.
Der vierte Teil bietet Beispielanwendungen des erlernten Stoffes, wie z.B. ein Haushaltsbuch und eine praxistaugliche Einnahmeüberschussrechnung. Auch findet sich hier eine Einführung in Bildverarbeitungstechniken.
Fast jedes der 32 Kapitel enthält zusätzliche Übungen zum Erproben und Vertiefen des Erlernten, die zugehörigen Lösungen sind im fünften Teil zusammengefasst.
AUS DEM INHALT //
NumPy
• Numerische Operationen auf mehrdimensionalen Arrays
• Broadcasting und Ufuncs
Matplotlib:
• Diskrete und kontinuierliche Graphen
• Balken- und Säulendiagramme, Histogramme, Konturplots
Pandas:
• Series und DataFrames
• Arbeiten mit Excel-, csv- und JSON-Dateien
• Unvollständige Daten (NaN)
• Datenvisualisierung
Praxisbeispiele:
• Bildverarbeitung
• Haushaltsbuch und Einnahmeüberschussrechnung
Aktualisiert: 2023-06-20
> findR *
Die heutige Produktentwicklung unterliegt den Zwängen möglichst kurzer Entwicklungszeiten, niedrigerer Kosten und einer hohen Ausführungsqualität. Hierbei verschärfen sich diese Vorgaben laufend. Im Ergebnis erwartet ein Kunde ein Produkt, welches seine Funktionen sicher erfüllt, eine hohe Zuverlässigkeit aufweist und eine lange Lebensdauer erreicht. Diese Ziele lassen sich allein durch konstruktive Maßnahmen gewöhnlich nur schwer erreichen, sondern es bedarf immer öfter einer versuchstechnischen Validierung (DfT). Da Versuche meist zeit- und aufwandsintensiv sind, muss es allgemeines Bestreben sein, die Versuchstechnik zu systematisieren und verstärkt statistisch-methodische Auswerteverfahren (wie Messdatenauswertung, Verteilungsanalyse mit Beschreibungsgrößen, DoE, HALT/HAST / HASS/ HASA, Schadensakkumulationshypothesen, Weibull-Analyse etc.) einzusetzen.
Aktualisiert: 2023-06-15
> findR *
Die heutige Produktentwicklung unterliegt den Zwängen möglichst kurzer Entwicklungszeiten, niedrigerer Kosten und einer hohen Ausführungsqualität. Hierbei verschärfen sich diese Vorgaben laufend. Im Ergebnis erwartet ein Kunde ein Produkt, welches seine Funktionen sicher erfüllt, eine hohe Zuverlässigkeit aufweist und eine lange Lebensdauer erreicht. Diese Ziele lassen sich allein durch konstruktive Maßnahmen gewöhnlich nur schwer erreichen, sondern es bedarf immer öfter einer versuchstechnischen Validierung (DfT). Da Versuche meist zeit- und aufwandsintensiv sind, muss es allgemeines Bestreben sein, die Versuchstechnik zu systematisieren und verstärkt statistisch-methodische Auswerteverfahren (wie Messdatenauswertung, Verteilungsanalyse mit Beschreibungsgrößen, DoE, HALT/HAST / HASS/ HASA, Schadensakkumulationshypothesen, Weibull-Analyse etc.) einzusetzen.
Aktualisiert: 2023-06-15
> findR *
Das Buch zeigt die Theorie und Praxis der Wertanalyse im Konstruktions- und »Fabrikprozess«. Es wird die Vorgehensweise nach den neuesten DIN-Normen sowie den VDI-Richtlinien des VDI-Wertanalyse-Zentrums dargestellt. Neben einfachen Leitbeispielen werden WA und einige ergänzende Hilfstechniken anhand von drei umfangreicheren Fallstudien aus der Industrie eingeübt.
Aktualisiert: 2023-06-15
> findR *
Maß- und Toleranzanforderungen - Fertigungs- und anwendungsbedingte Maßungenauigkeiten und -abweichungen - Eigenschaften von Kunststoffen - Maßabweichungen bei der Herstellung - Maßtoleranzen für formgebende Werkzeuge - Maße und Toleranzen für Fertigteile aus Gummi - Geometrische Produktspezifizierung - Tolerierungsprinzipien - Toleranzverknüpfung durch Maßketten - Interpretation und Festlegung von Toleranzen - Temperaturabhängigkeit der geometrischen Eigenschaften - Anforderungen an die Oberflächenbeschaffenheit - Unterschiede zwischen ISO und ASME - Prozessspezifikationen der Urformtechnik - Geometrische Produktspezifikation/GPS - Erfahrungswerte für Form- und Lagetoleranzen - Übungen zur Zeichnungseintragung - Normgerechte Anwendungsbeispiele - Fallbeispiele
Aktualisiert: 2023-06-15
> findR *
Jede industrielle Herstellung technischer Produkte ist mit Schwankungen behaftet, welche Abweichungen von den Sollmaßen verursachen. Diese Abweichungen dürfen aber nicht die Produktqualität beeinflussen, weshalb alle Maß- und Geometrietoleranzen funktions-, herstell- und montagegerecht gewählt werden müssen. In diesem Buch wird eine neuartige Methodik zur Ermittlung sinnvoller Toleranzen vorgestellt.
Aktualisiert: 2023-06-15
> findR *
Numerisches Python
- Grundlagen der Lösung numerischer Probleme mit Python
- Verarbeitung großer Datenmengen (»Big Data«) mit NumPy, wie sie beispielsweise im maschinellen Lernen Anwendung finden
- Zielgruppe sind Personen, die in der Wissenschaft, im Ingenieurwesen und in der Datenanalyse
tätig sind
- Datenvisualisierung mit Matplotlib
- Ideal zum Umstieg von Matlab auf Python
- Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches
In diesem Buch stehen die numerischen Verfahren im Fokus, die im Gebiet »Data Science« und »Maschinelles Lernen« besonders benötigt werden. Python gehört zu den wichtigsten und am häufigsten benutzten Sprachen in diesem Gebiet und wird in Kombination mit seinen Modulen NumPy, SciPy, Matplotlib und Pandas häufiger verwendet als Matlab und R.
Der erste Teil des Buchs enthält eine kompakte Einführung in Python, eine ideale Zusammenfassung für diejenigen, die Python bereits kennen oder mit dem Buch »Einführung in Python 3« von Bernd Klein gelernt haben.
NumPy ist das zentrale Thema des zweiten Teils. Der Aufbau und das Arbeiten mit NumPy-Arrays bilden den Ausgangspunkt dieses Kapitels. Danach wird auf die besonderen Aspekte des dtype-Datentyps eingegangen. In einem weiteren Kapitel stehen die Numerischen Operationen, Broadcasting und Ufuncs von NumPy im Mittelpunkt.
Einigen Fragestellungen der Statistik und der Wahrscheinlichkeitsrechnung wurde ebenfalls ein Kapitel gewidmet. Auch auf die Boolesche Maskierung und Indizierung von NumPy-Arrays wird eingegangen. Der NumPy-Teil des Buchs schließt mit dem File-Handling von Daten.
Die 2. Auflage ist konsequent überabeitet und erweitert.
Aktualisiert: 2023-06-13
> findR *
Das Buch zeigt die Theorie und Praxis der Wertanalyse im Konstruktions- und »Fabrikprozess«. Es wird die Vorgehensweise nach den neuesten DIN-Normen sowie den VDI-Richtlinien des VDI-Wertanalyse-Zentrums dargestellt. Neben einfachen Leitbeispielen werden WA und einige ergänzende Hilfstechniken anhand von drei umfangreicheren Fallstudien aus der Industrie eingeübt.
Aktualisiert: 2023-06-05
> findR *
Maß- und Toleranzanforderungen - Fertigungs- und anwendungsbedingte Maßungenauigkeiten und -abweichungen - Eigenschaften von Kunststoffen - Maßabweichungen bei der Herstellung - Maßtoleranzen für formgebende Werkzeuge - Maße und Toleranzen für Fertigteile aus Gummi - Geometrische Produktspezifizierung - Tolerierungsprinzipien - Toleranzverknüpfung durch Maßketten - Interpretation und Festlegung von Toleranzen - Temperaturabhängigkeit der geometrischen Eigenschaften - Anforderungen an die Oberflächenbeschaffenheit - Unterschiede zwischen ISO und ASME - Prozessspezifikationen der Urformtechnik - Geometrische Produktspezifikation/GPS - Erfahrungswerte für Form- und Lagetoleranzen - Übungen zur Zeichnungseintragung - Normgerechte Anwendungsbeispiele - Fallbeispiele
Aktualisiert: 2023-06-05
> findR *
Jede industrielle Herstellung technischer Produkte ist mit Schwankungen behaftet, welche Abweichungen von den Sollmaßen verursachen. Diese Abweichungen dürfen aber nicht die Produktqualität beeinflussen, weshalb alle Maß- und Geometrietoleranzen funktions-, herstell- und montagegerecht gewählt werden müssen. In diesem Buch wird eine neuartige Methodik zur Ermittlung sinnvoller Toleranzen vorgestellt.
Aktualisiert: 2023-06-05
> findR *
Die heutige Produktentwicklung unterliegt den Zwängen möglichst kurzer Entwicklungszeiten, niedrigerer Kosten und einer hohen Ausführungsqualität. Hierbei verschärfen sich diese Vorgaben laufend. Im Ergebnis erwartet ein Kunde ein Produkt, welches seine Funktionen sicher erfüllt, eine hohe Zuverlässigkeit aufweist und eine lange Lebensdauer erreicht. Diese Ziele lassen sich allein durch konstruktive Maßnahmen gewöhnlich nur schwer erreichen, sondern es bedarf immer öfter einer versuchstechnischen Validierung (DfT). Da Versuche meist zeit- und aufwandsintensiv sind, muss es allgemeines Bestreben sein, die Versuchstechnik zu systematisieren und verstärkt statistisch-methodische Auswerteverfahren (wie Messdatenauswertung, Verteilungsanalyse mit Beschreibungsgrößen, DoE, HALT/HAST / HASS/ HASA, Schadensakkumulationshypothesen, Weibull-Analyse etc.) einzusetzen.
Aktualisiert: 2023-06-05
> findR *
Numerisches Python
- Grundlagen der Lösung numerischer Probleme mit Python
- Verarbeitung großer Datenmengen (»Big Data«) mit NumPy, wie sie beispielsweise im maschinellen Lernen Anwendung finden
- Zielgruppe sind Personen, die in der Wissenschaft, im Ingenieurwesen und in der Datenanalyse
tätig sind
- Datenvisualisierung mit Matplotlib
- Ideal zum Umstieg von Matlab auf Python
- Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches
In diesem Buch stehen die numerischen Verfahren im Fokus, die im Gebiet »Data Science« und »Maschinelles Lernen« besonders benötigt werden. Python gehört zu den wichtigsten und am häufigsten benutzten Sprachen in diesem Gebiet und wird in Kombination mit seinen Modulen NumPy, SciPy, Matplotlib und Pandas häufiger verwendet als Matlab und R.
Der erste Teil des Buchs enthält eine kompakte Einführung in Python, eine ideale Zusammenfassung für diejenigen, die Python bereits kennen oder mit dem Buch »Einführung in Python 3« von Bernd Klein gelernt haben.
NumPy ist das zentrale Thema des zweiten Teils. Der Aufbau und das Arbeiten mit NumPy-Arrays bilden den Ausgangspunkt dieses Kapitels. Danach wird auf die besonderen Aspekte des dtype-Datentyps eingegangen. In einem weiteren Kapitel stehen die Numerischen Operationen, Broadcasting und Ufuncs von NumPy im Mittelpunkt.
Einigen Fragestellungen der Statistik und der Wahrscheinlichkeitsrechnung wurde ebenfalls ein Kapitel gewidmet. Auch auf die Boolesche Maskierung und Indizierung von NumPy-Arrays wird eingegangen. Der NumPy-Teil des Buchs schließt mit dem File-Handling von Daten.
Die 2. Auflage ist konsequent überabeitet und erweitert.
Aktualisiert: 2023-05-30
> findR *
Mit Design of Experiments wird ein sehr wirksames Instrument zur Verkürzung von Innovationszeiten und Steigerung von Qualitäten angewandt. Dieses Lehrbuch führt in den theoretischen Hintergrund der Methode ausführlich ein und vertieft das Verständnis anhand einer Vielzahl von Beispielen und Fallstudien. Durch Übungsaufgaben können die vorgestellten Lösungsansätze praktisch nachvollzogen und der Umgang mit den Methoden trainiert werden.
Aktualisiert: 2023-05-29
> findR *
MEHR ANZEIGEN
Bücher von Klein, Bernd
Sie suchen ein Buch oder Publikation vonKlein, Bernd ? Bei Buch findr finden Sie alle Bücher Klein, Bernd.
Entdecken Sie neue Bücher oder Klassiker für Sie selbst oder zum Verschenken. Buch findr hat zahlreiche Bücher
von Klein, Bernd im Sortiment. Nehmen Sie sich Zeit zum Stöbern und finden Sie das passende Buch oder die
Publiketion für Ihr Lesevergnügen oder Ihr Interessensgebiet. Stöbern Sie durch unser Angebot und finden Sie aus
unserer großen Auswahl das Buch, das Ihnen zusagt. Bei Buch findr finden Sie Romane, Ratgeber, wissenschaftliche und
populärwissenschaftliche Bücher uvm. Bestellen Sie Ihr Buch zu Ihrem Thema einfach online und lassen Sie es sich
bequem nach Hause schicken. Wir wünschen Ihnen schöne und entspannte Lesemomente mit Ihrem Buch
von Klein, Bernd .
Klein, Bernd - Große Auswahl an Publikationen bei Buch findr
Bei uns finden Sie Bücher aller beliebter Autoren, Neuerscheinungen, Bestseller genauso wie alte Schätze. Bücher
von Klein, Bernd die Ihre Fantasie anregen und Bücher, die Sie weiterbilden und Ihnen wissenschaftliche Fakten
vermitteln. Ganz nach Ihrem Geschmack ist das passende Buch für Sie dabei. Finden Sie eine große Auswahl Bücher
verschiedenster Genres, Verlage, Schlagworte Genre bei Buchfindr:
Unser Repertoire umfasst Bücher von
- Kleina, Eberhard
- Kleina, Michael
- Kleina, Thomas
- Kleina, Wibke
- Kleinaltenkamp, M.
- Kleinaltenkamp, Michael
- Kleinaltenkamp, Prof. Dr. Michael
- Kleinanzeigen, Best of
- Kleinau, Andreas C.
- Kleinau, Anne
Sie haben viele Möglichkeiten bei Buch findr die passenden Bücher für Ihr Lesevergnügen zu entdecken. Nutzen Sie
unsere Suchfunktionen, um zu stöbern und für Sie interessante Bücher in den unterschiedlichen Genres und Kategorien
zu finden. Neben Büchern von Klein, Bernd und Büchern aus verschiedenen Kategorien finden Sie schnell und
einfach auch eine Auflistung thematisch passender Publikationen. Probieren Sie es aus, legen Sie jetzt los! Ihrem
Lesevergnügen steht nichts im Wege. Nutzen Sie die Vorteile Ihre Bücher online zu kaufen und bekommen Sie die
bestellten Bücher schnell und bequem zugestellt. Nehmen Sie sich die Zeit, online die Bücher Ihrer Wahl anzulesen,
Buchempfehlungen und Rezensionen zu studieren, Informationen zu Autoren zu lesen. Viel Spaß beim Lesen wünscht Ihnen
das Team von Buchfindr.
