Gutscheinbedingungen

*Gültig bis 20.09.2026 auf (fast) alles. Ausgeschlossen sind Smartboxen, Zeitschriften, Tickets, Lebensmittel, Gaming-Elektroartikel, Tinte/Toner, Gutscheine, Geschenkkarten, Blumen und Abos | Einlösbar in allen Buchhandlungen von Orell Füssli, Barth Bücher, Buchladen Rapunzel, Schuler Orell Füssli, Stauffacher und ZAP unter Vorweisung des Gutscheins, auf www.orellfüssli.ch durch Eingabe des Gutscheincodes. Beim Service „eBooks verschenken“ und bei eBook-Käufen via eReader nicht einlösbar | Mindesteinkaufswert: Fr. 100.- | Nicht mit anderen Rabatten kumulierbar.

  • Produktbild: Fundamentals of Data Mining in Genomics and Proteomics
  • Produktbild: Fundamentals of Data Mining in Genomics and Proteomics

Fundamentals of Data Mining in Genomics and Proteomics

Fr. 137.00

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

04.11.2010

Abbildungen

XXII, 281 p. 68 illus.

Herausgeber

Werner Dubitzky + weitere

Verlag

Springer Us

Seitenzahl

281

Maße (L/B/H)

23.5/15.5/1.7 cm

Gewicht

464 g

Sprache

Englisch

ISBN

978-1-4419-4291-3

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

04.11.2010

Abbildungen

XXII, 281 p. 68 illus.

Herausgeber

Verlag

Springer Us

Seitenzahl

281

Maße (L/B/H)

23.5/15.5/1.7 cm

Gewicht

464 g

Sprache

Englisch

ISBN

978-1-4419-4291-3

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

  • Produktbild: Fundamentals of Data Mining in Genomics and Proteomics
  • Produktbild: Fundamentals of Data Mining in Genomics and Proteomics
  • to Genomic and Proteomic Data Analysis.- Design Principles for Microarray Investigations.- Pre-Processing DNA Microarray Data.- Pre-Processing Mass Spectrometry Data.- Visualization in Genomics and Proteomics.- Clustering — Class Discovery in the Post-Genomic Era.- Feature Selection and Dimensionality Reduction in Genomics and Proteomics.- Resampling Strategies for Model Assessment and Selection.- Classification of Genomic and Proteomic Data Using Support Vector Machines.- Networks in Cell Biology.- Identifying Important Explanatory Variables for Time-Varying Outcomes.- Text Mining in Genomics and Proteomics.