<div class="raw-html-embed"><a href="https://libratech.ai/ch/?utm_source=partner&amp;utm_medium=website&amp;utm_campaign=wkch_libra_prsp_staempfli_07_2026
">Stämpfli Fachinhalte - jetzt im rechtssicheren Libra All-In-One AI Workspace verfügbar - Jetzt kostenlos testen!</a></div>

Über uns

À propos de nous

Nachhaltigkeit

Durabilité

Open Access

Karriere

Carrière

Aboverträge Kündigen

Résiliation d’abonnement

Vertrag widerrufen

Résiliation de contrat 

Datenschutz

Protection des données

Impressum

Mentions légales

Zahlung und Lieferung

Paiement et livraison

Libra

Was ist Libra?

C'est quoi Libra ?

Kostenlos testen

Tester gratuitement

LEXIA

LEXIA Arbeitsrecht

Was ist LEXIA?

C'est quoi LEXIA ?

LEXIA Familienrecht

Zeitschriften

Revues

recht

Pflegerecht

ZBJV

forumpoenale

ZStrR

Anwaltsrevue

Revue de l'avocat

RSAS

FamPra.ch

ASYL

Life Science Recht

BlAR

Sachbuch

Livres spécialisés

LOKI

Semaphor

Fokusthemen

Focus

Thema

Recht studieren

Arbeitsrecht

Droit du travail

Studium

Études

Familienrecht

Droit de la famille

Sozialversicherungsrecht

Droit des assurances sociales

Strafrecht

Droit pénal

Aktienrecht

Droit des sociétés anonymes

Publikationen

Publications

Literatur

Digitales Angebot

Bücher

Livres

Buchreihen

Collections

Onlinemodule LEXIA

Modules en ligne LEXIA

recht.ch

Studienliteratur

Littérature pour les études

Dienstleistungen

Services

Dienstleistungen für

Corporate Books

Publishing Lösungen

Aktuelles

Geschäftskunden

Professionnels

Corporate Publishing

Content solutions

Buchhandlungen

Librairies

Veranstaltungen

Événements

Presse

Dozierende

Enseignants

Studierende

Étudiants

Inserierende

Annonceurs

Newsletter

Blog

Autorinnen/Autoren

Auteurs

Unsere Schreibenden

Hilfe

Unsere Autorinnen und Autoren

Liste

Autorenlounge

Espace des auteurs

Bei uns publizieren

Publier chez nous

Autorenstimmen

Témoignages

Verlag

Éditions

Themen

Mehr wissen

Mitarbeitende

Collaborateurs

Geschichte

Histoire

Vision und Mission

Vision et mission

Unser Magazin

Notre magazine

Unternehmenskultur

Culture d'entreprise

Partner

Partenaires

Kontakt

Contact

Shop

Schweizer Recht

Ausländisches Recht

Über unseren Shop

Neuerscheinungen

Nouveautés

Unsere Funktionen

Nos fonctions

Vorankündigungen

À paraître

Nach Rechtsgebiet

Par domaine juridique

Kommentare

Commentaires

Gesamtkatalog

Catalogue complet

Hyndman R: Forecasting

Forecasting

Principles and Practice, the Pythonic Way

Statistical Methods in the Atmospheric Sciences, Fifth Edition provides a structured exploration of the statistical techniques essential for analyzing atmospheric data. The book begins with foundational concepts in probability, setting the stage for more advanced topics. It then covers univariate statistics, including empirical distributions, parametric probability models, and both frequentist and Bayesian inference methods, offering tools for rigorous data analysis and interpretation. The text also addresses statistical forecasting and ensemble forecasting, along with methods for verifying forecast accuracy. In addition, time series analysis is explored in detail, enabling readers to understand temporal dependencies in atmospheric data. The book advances into multivariate statistics, presenting matrix algebra and random matrices as mathematical foundations. It discusses the multivariate normal distribution, principal component analysis (EOF), and multivariate analysis of vector pairs to handle complex, multidimensional atmospheric datasets. Techniques for discrimination, classification, and cluster analysis are also examined, providing methods for categorizing and interpreting atmospheric patterns. Supplementary materials include example data sets, probability tables, and a glossary of symbols and acronyms, along with answers to exercises that reinforce learning.

Statistical Methods in the Atmospheric Sciences

Einführung in KI-KonzepteLernen Sie einschlägige Verfahren kennen, erfahren Sie mehr über neuronale Netze oder Bilderkennung und warum Transformer-Modelle wie ChatGPT und DALL-E revolutionär sind.Erprobte Projekte mit Python, TensorFlow und KerasNutzen Sie die leistungsstarken Frameworks mit einfachem Python. Alle Projekte sind in der beruflichen Bildung erprobt. Die bereitgestellten Codebeispiele, Schritt-für-Schritt-Anleitungen und Jupyter Notebooks unterstützen Sie bei der Umsetzung.Eigene Anwendungen ohne Code mit KNIMEBinden Sie eigene Daten aus verschiedenen Quellen ein und lernen Sie, wie Sie leistungsstarke Analysen ohne Programmieraufwand umsetzen können. Starten Sie jetzt durch!

KI-Anwendungen selbst erstellen und mit eigenen Daten nutzen – mit frei verfügbarer Technologie, lokaler Hardware und ohne Programmiervorkenntnisse
 
 KI-Technologie wird in atemberaubendem Tempo immer zugänglicher. Mit diesem Buch lernen Sie einschlägige KI-Verfahren kennen und setzen für jedes dieser Verfahren eine Anwendung selbst um. Dafür nutzen Sie die 
 Data-Science-Plattformen KNIME oder Orange
 – ideal, um eigene Daten aus unterschiedlichen Quellen zu integrieren und mit rein grafischer Programmierung auszuwerten. 
 Mit Übungen und Musterlösungen zu jedem Verfahren.
 Autor und KI-Experte Metin Karatas führt Sie in die Welt von TensorFlow und Keras ein und zeigt Ihnen, wie Sie 
 Anwendungen in einfachem Python
 erstellen können. Alle vorgestellten Projekte sind in der beruflichen Bildung erprobt und haben sich als effektiv erwiesen. So bereichern Sie Ihre Skills mit einem 
 modernen Werkzeugkasten
 , mit dem Sie maschinelles Lernen in der Datenanalyse, dem Controlling und vielen weiteren Anwendungsfeldern nutzen können.
 
 Alle Codebeispiele zum Download; Jupyter Notebooks erleichtern die Arbeit mit dem Material zum Buch. 
 Starten Sie jetzt mit Ihrer eigenen KI!Aus dem Inhalt:<ul><li>Installation und Konfiguration der Werkzeuge</li><li>Mit verschiedenen Datenquellen arbeiten</li><li>Visuelle Programmierung ohne Code</li><li>Anomalieerkennung</li><li>Convolutional Neural Networks</li><li>Zeitreihenanalysen</li><li>Transfer Learning</li><li>Unsupervised Learning</li><li>Reinforcement Learning</li><li>Evolutionäre Algorithmen</li><li>Texte und Bilder generieren</li><li>ChatGPT und DALL-E</li></ul>

Eigene KI-Anwendungen programmieren

... für Dummies

Python entdecken - Das Abenteuer beginnt hier! Aus dem Dschungel der Programmiersprachen sticht Python durch seine elegante und schlichte Syntax hervor. Lernen Sie sie in einem Crashkurs kennen und erfahren Sie, wie man Programme mit Funktionen, Objekten und Modulen strukturiert. Es erwarten Sie jede Menge Tipps und Tricks zur Datenverarbeitung, Ablaufsteuerung und Fehlerbehandlung. Sie erfahren, wie man Programme testet, entwickeln ein Nachrichtenprotokoll fürs Netzwerk und probieren die visuelle Datenanalyse aus. Erstellen Sie Programme mit GUI und durchforsten Sie das Netz nach interessanten Daten. Starten Sie jetzt ins Abenteuer! Sie erfahren <ul><li>Wie Sie mit Python interessante Probleme lösen</li> <li>Wie Sie Programme mit Funktionen, Klassen und Modulen strukturieren</li> <li>Wie Sie das Internet nach Daten durchforsten und Webseiten mit Django erstellen</li></ul>

Python programmieren lernen lohnt sich. Es ist eine moderne sich ständig weiterentwickelnde Programmiersprache. Dieses Buch hilft Ihnen, wenn Sie Python von der Pike auf lernen wollen, aber auch mehr als nur die Grundlagen verstehen wollen. Johannes Hofmeister erklärt Ihnen Grundlagen wie Syntax, Module und Basic-Funktionen und schreitet dann zu fort zu höheren Konzepten wie Funktionen und Objekte. Er zeigt Ihnen auch, wie Sie diese testen können, um fehlerfrei Software zu schreiben. Danach widmet sich der Autor Internettechnologien wie E-Mail, Apis und Browsing und erklärt Ihnen, wie Sie mit Django eine Webanwendung bauen. Sie erfahren, wie Sie mithilfe von Python komplexe Datensätze analysieren und zuletzt beweist Ihnen der Autor, wie vielseitig nutzbar Python ist.

Python Alles-in-einem-Band für Dummies

- Das Buch unterstützt Sie bei der Anwendung einer Programmiersprache, festigt Physikkenntnisse und schafft einen Zugang zur Mechanik.
- VPython-Animationen veranschaulichen physikalische Prozesse.
- Die im Text integrierten Übungen unterstützen die Lernprozesse. 
- Ihr exklusiver Vorteil: E-Book inklusive beim Kauf des gedruckten Buches

Der Physikunterricht an Gymnasien und Fachoberschulen wird zunehmend vernachlässigt oder entfällt ganz, so dass bei Studenten der Ingenieurwissenschaften Verständnisschwierigkeiten zu erwarten sind. Dieses Buch versucht Verständnis- und Lernschwierigkeiten zu überwinden, indem es Möglichkeiten aufzeigt, physikalische Zusammenhänge durch Visualisierung, Simulation und Animation verstehbarer zu machen.
Schwerpunktmäßig kommen die Matplotlib-Steuerelemente Fancy- ArrowPatch und Slider sowie die Animationsfunktion FuncAnimation zum Einsatz. Um einen motivierenden und sinnstiftenden Kontext zu schaffen, wird anhand von konkreten Beispielen aus dem Sport (Fußball, Tennis, Kugelstoßen, Hammerwerfen, Fahrradfahren, Golf) gezeigt, wie einzelne physikalische Problemstellungen mit Python modelliert und visualisiert werden können.
Der Einstieg in ein neues Thema erfolgt in der Regel mit einem VPython-Programm, das physikalische Phänomene in 3D-Szenen realitätsnah animiert. Relevante Parameter werden mit Hilfe von Schiebereglern (Slider) geändert. Die Auswirkungen sind direkt am Bildschirm beobachtbar.

Den Code aller Beispiele aus dem Buch sowie die Musterlösungen der Übungsaufgaben finden Sie auf der Autorenwebsite.

AUS DEM INHALT //
 - Einführung
 - Statik
 - Mechanik deformierbarer Körper
 - Kinematik
 - Dynamik
 - Arbeit, Leistung und Energie
 - Der Impuls
 - Rotation starrer Körper
 - Mechanische Schwingungen
 - Mechanische Wellen
 - Anhang

- Das Buch unterstützt Sie bei der Anwendung einer Programmiersprache, festigt Physikkenntnisse und schafft einen Zugang zur Mechanik.
- VPython-Animationen veranschaulichen physikalische Prozesse.
- Die im Text integrierten Übungen unterstützen die Lernprozesse. 
- Ihr exklusiver Vorteil: E-Book inklusive beim Kauf des gedruckten Buches

Der Physikunterricht an Gymnasien und Fachoberschulen wird zunehmend vernachlässigt oder entfällt ganz, so dass bei Studenten der Ingenieurwissenschaften Verständnisschwierigkeiten zu erwarten sind. Dieses Buch versucht Verständnis- und Lernschwierigkeiten zu überwinden, indem es Möglichkeiten aufzeigt, physikalische Zusammenhänge durch Visualisierung, Simulation und Animation verstehbarer zu machen.
Schwerpunktmäßig kommen die Matplotlib-Steuerelemente Fancy- ArrowPatch und Slider sowie die Animationsfunktion FuncAnimation zum Einsatz. Um einen motivierenden und sinnstiftenden Kontext zu schaffen, wird anhand von konkreten Beispielen aus dem Sport (Fußball, Tennis, Kugelstoßen, Hammerwerfen, Fahrradfahren, Golf) gezeigt, wie einzelne physikalische Problemstellungen mit Python modelliert und visualisiert werden können.
Der Einstieg in ein neues Thema erfolgt in der Regel mit einem VPython-Programm, das physikalische Phänomene in 3D-Szenen realitätsnah animiert. Relevante Parameter werden mit Hilfe von Schiebereglern (Slider) geändert. Die Auswirkungen sind direkt am Bildschirm beobachtbar.

Den Code aller Beispiele aus dem Buch sowie die Musterlösungen der Übungsaufgaben finden Sie auf der Autorenwebsite.

AUS DEM INHALT //
 - Einführung
 - Statik
 - Mechanik deformierbarer Körper
 - Kinematik
 - Dynamik
 - Arbeit, Leistung und Energie
 - Der Impuls
 - Rotation starrer Körper
 - Mechanische Schwingungen
 - Mechanische Wellen
 - Anhang

Mechanik verstehen mit Python

This book delves into contemporary business analytics techniques across sectors for critical decision-making. It combines data, mathematical and statistical models, and information technology to present alternatives for decision evaluation. Offering systematic mechanisms, it explores business contexts, factors, and relationships to foster competitiveness. Beyond managerial perspectives, it includes contributions from professionals, academics, and scholars worldwide, delivering comprehensive knowledge and skills through diverse viewpoints, cases, and applications of analytical tools. As an international business science reference, it targets professionals, academics, researchers, doctoral scholars, postgraduate students, and research organizations seeking a nuanced understanding of modern business analytics.

Data-Driven Decision Making

Mastering Sector and Industry Analysis

The Art of Financial Terrain

Texts in Computer Science

Computational geometry plays a vital role in fields ranging from algorithms, data structures, robotics, and computer graphics to geographic information systems and AI. Providing a comprehensive toolkit, this core textbook constructs a strong bridge between rigorous geometric theory and practical, real-world implementations—making complex concepts accessible and engaging. Uniquely, the volume presents a modern approach to computational geometry through the lens of Python programming. Emphasizing clarity, structure, and visualization, the book introduces core geometric structures and algorithms, supported by detailed illustrations and interactive examples. With its project-based learning orientation and emphasis on conceptual understanding, it can serve as both a textbook and a reference guide for those exploring the computational side of geometry.

Topics and features:

· · · · · · GitHub repository with all source code

Ideal for students of computer science, the textbook/reference will have real utility as well for those in mathematics and engineering. Researchers and practitioners working in computational geometry, algorithm design, data visualization, or related disciplines will find the work an indispensable resource and guide.

Adis Alihodži¿ is a Full Professor at the Department of Mathematics and Computer Science, Faculty of Natural Sciences and Mathematics, University of Sarajevo.

Computational geometry plays a vital role in fields ranging from algorithms, data structures, robotics, and computer graphics to geographic information systems and AI. Providing a comprehensive toolkit, this core textbook constructs a strong bridge between rigorous geometric theory and practical, real-world implementations—making complex concepts accessible and engaging. Uniquely, the volume presents a modern approach to computational geometry through the lens of Python programming. Emphasizing clarity, structure, and visualization, the book introduces core geometric structures and algorithms, supported by detailed illustrations and interactive examples. With its project-based learning orientation and emphasis on conceptual understanding, it can serve as both a textbook and a reference guide for those exploring the computational side of geometry.Topics and features:·&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; All geometric algorithms implemented in native Python·&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 400+ illustrations and visualizations·&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; Includes project-based exercises for students·&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; Coverage: Core Structures and Algorithms, Geometric Objects in Python, Algorithms for Geometric Objects, Convex Hull Algorithms in 2D and 3D, Polygon Triangulation Methods, Delaunay Triangulation, Voronoi Diagrams, Visualization Techniques, Algorithms for Space Exploration, Quadtrees, Robot Motion Planning, AI in Computational Geometry·&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; Suitable for advanced undergraduate and graduate courses· &nbsp; &nbsp; &nbsp; &nbsp; GitHub repository with all source codeIdeal for students of computer science, the textbook/reference will have real utility as well for those in mathematics and engineering.&nbsp; Researchers and practitioners working in computational geometry, algorithm design, data visualization, or related disciplines will find the work an indispensable resource and guide.Adis Alihodžić
 is a Full Professor at the Department of Mathematics and Computer Science, Faculty of Natural Sciences and Mathematics, University of Sarajevo.

Theory and Python Implementations

Exploring Computational Geometry

Gain a thorough grounding in marketing analytics using Python with this practical guide which balances applied analytics tools with marketing theory.

Applied Marketing Analytics Using Python

Traditional money and banking textbooks establish the central tenets of the economics of financial markets in a theoretical, academic fashion and rarely offer any knowledge of computer skills. Intelligent Banking bridges this gap by introducing the fundamentals of finance in tandem with the development of programming skills. This book leans heavily on Python programming, while teaching fundamental concepts of money and banking to undergraduate and masters level students. Along with discussions on the fundamentals, including topics like debt measurement, monetary aggregates and money supply, asset value, risk management, bonds and stocks, the book also teaches the basics of coding and machine learning. Intelligent Banking is a one-stop-shop for learning first-principle financial concepts with direct coding applications within the span of a college term. The detailed glossaries at the end of chapters and the Python code examples and coursework will help students be better prepared to meet the demands of today's banking and financial companies who are increasingly demanding these skills from their job applicants.

Python Programming for Banking and Finance

Intelligent Banking

mitp Professional

<ul><li>KI-Programmierung leicht gemacht - praktische Projekte ohne überflüssige Mathematik</li>
<li>Einsatz mächtiger Bibliotheken wie TensorFlow, SpaCy und music21 - auch ohne Vorkenntnisse in Python</li>
<li>Mit Programmieraufgaben, Bildern zur Veranschaulichung, Übungsfragen und vielen Anregungen zum Ausprobieren</li></ul>


Starte direkt mit echten KI-Projekten
Mit diesem Buch startest du direkt durch: Du lernst künstliche Intelligenz, indem du selbst programmierst - praxisnah, kreativ und verständlich. Schritt für Schritt entwickelst du spannende KI-Anwendungen mit wenigen Codezeilen: vom Chatbot über Bilderkennung bis hin zur Musik- und Bildgenerierung. Du experimentierst mit maschinellem Lernen und verstehst, wie lernende Systeme wirklich funktionieren. Alles, was du brauchst, sind grundlegende Programmierkenntnisse.

Alles dabei - von den Python-Grundlagen bis zu modernen KI-Bibliotheken
Dank klarer Erklärungen und anschaulicher Beispiele findest du dich auch als Einsteiger schnell zurecht. Du lernst alle wichtigen Techniken kennen und setzt sie direkt um - von einfachen Klassifikationsmodellen bis hin zu generativer KI mit GANs, RNNs und Diffusionsmodellen. Dabei nutzt du professionelle Bibliotheken wie NumPy, TensorFlow, Matplotlib, SpaCy und music21.

Programmieren, verstehen, experimentieren
Jedes Kapitel lädt zum Mitmachen ein - mit abwechslungsreichen Aufgaben, anschaulichen Abbildungen und vielen Ideen zum Ausprobieren. Du lernst, wie du KIs mit eigenen Daten trainierst oder Daten aus dem Internet nutzt, um spannende Anwendungen zu entwickeln. Die Programme kannst du entweder lokal auf deinem Rechner umsetzen oder du arbeitest im Browser mit Google Colab.

Aus dem Inhalt:
<ul><li>Grundlagen der künstlichen Intelligenz</li>
<li>Generative und diskriminierende KI</li>
<li>KI programmieren mit Python-Bibliotheken:
<ul><li>NumPy</li>
<li>Matplotlib</li>
<li>TensorFlow</li>
<li>SpaCy</li>
<li>music21</li></ul>
</li><li>Sprachmodelle und Natural Language Processing</li>
<li>Überwachtes, unüberwachtes und Verstärkungslernen</li>
<li>Künstliche neuronale Netze</li>
<li>Bildgenerierung mit GAN und CNN</li>
<li>Text erzeugen mit RNN und LSTM</li>
<li>Musik komponieren mit music21</li>
<li>Zahlreiche Aufgaben mit Lösungen</li>
</ul>

<ul><li>KI-Programmierung leicht gemacht - praktische Projekte ohne überflüssige Mathematik</li><li>Einsatz mächtiger Bibliotheken wie TensorFlow, SpaCy und music21 - auch ohne Vorkenntnisse in Python</li><li>Mit Programmieraufgaben, Bildern zur Veranschaulichung, Übungsfragen und vielen Anregungen zum Ausprobieren</li></ul>Starte direkt mit echten KI-ProjektenMit diesem Buch startest du direkt durch: Du lernst künstliche Intelligenz, indem du selbst programmierst - praxisnah, kreativ und verständlich. Schritt für Schritt entwickelst du spannende KI-Anwendungen mit wenigen Codezeilen: vom Chatbot über Bilderkennung bis hin zur Musik- und Bildgenerierung. Du experimentierst mit maschinellem Lernen und verstehst, wie lernende Systeme wirklich funktionieren. Alles, was du brauchst, sind grundlegende Programmierkenntnisse.Alles dabei - von den Python-Grundlagen bis zu modernen KI-BibliothekenDank klarer Erklärungen und anschaulicher Beispiele findest du dich auch als Einsteiger schnell zurecht. Du lernst alle wichtigen Techniken kennen und setzt sie direkt um - von einfachen Klassifikationsmodellen bis hin zu generativer KI mit GANs, RNNs und Diffusionsmodellen. Dabei nutzt du professionelle Bibliotheken wie NumPy, TensorFlow, Matplotlib, SpaCy und music21.Programmieren, verstehen, experimentierenJedes Kapitel lädt zum Mitmachen ein - mit abwechslungsreichen Aufgaben, anschaulichen Abbildungen und vielen Ideen zum Ausprobieren. Du lernst, wie du KIs mit eigenen Daten trainierst oder Daten aus dem Internet nutzt, um spannende Anwendungen zu entwickeln. Die Programme kannst du entweder lokal auf deinem Rechner umsetzen oder du arbeitest im Browser mit Google Colab.Aus dem Inhalt:<ul><li>Grundlagen der künstlichen Intelligenz</li><li>Generative und diskriminierende KI</li><li>
 KI programmieren mit Python-Bibliotheken:

 <ul><li>NumPy</li><li>Matplotlib</li><li>TensorFlow</li><li>SpaCy</li><li>music21</li></ul></li><li>Sprachmodelle und Natural Language Processing</li><li>Überwachtes, unüberwachtes und Verstärkungslernen</li><li>Künstliche neuronale Netze</li><li>Bildgenerierung mit GAN und CNN</li><li>Text erzeugen mit RNN und LSTM</li><li>Musik komponieren mit music21</li><li>Zahlreiche Aufgaben mit Lösungen</li></ul>

Dein einfacher Einstieg - Generative KI, Chatbots, Objekterkennung & Co

KI-Projekte mit Python

AI can write the code. You still need to know what it does. You’re already good at Excel. But you’re tired of the copy/paste, the helper columns, and the brittle formulas that break when someone adds a row. You want automation, and whether you write the code yourself or let AI generate it, you need to understand what’s actually running your business processes. Automate Excel with Python teaches you to build real workflows, step-by-step. You’ll read messy workbooks into pandas dataframes, filter and reshape data without helper columns, merge sources without silent VLOOKUP failures, and export polished results with formatting intact. A capstone chapter ties it together: import a multi-tab workbook, generate exception reports, and email the results—all from one script you run with a single click. You’ll learn how to: <ul><li>Read existing Excel files you already use into Python, even the messy ones</li><li>Replace daily copy/paste routines with reusable scripts</li><li>Merge and match data across sources with auditable results</li><li>Handle dates, times, and the edge cases that break formulas</li><li>Export from Python to Excel with column widths, number formats, and frozen panes intact</li><li>Build workflows that run daily without babysitting</li></ul> AI can write the code. This book makes sure you’re the one in control of it.

This practical guide will help spreadsheet pros save time and boost productivity using beginner Python tools – without having to become a programmer. Automate Excel with Python bridges the gap between Excel expertise and Python programming without forcing you to start from scratch. Unlike other programming guides, it’s specifically designed for Excel users who need more power and automation, not for professional programmers. This book focuses on enhancing your existing Excel skills rather than replacing them. You’ll learn how Python’s dataframes work like virtual spreadsheets, extending what you already know while automating repetitive tasks. You’ll be able to import and export data seamlessly between Excel and Python to integrate coding into your current workflow. Concise, practical examples throughout will get you up and running quickly. Each topic addresses real problems Excel users face, with solutions you can implement immediately. The structure is deliberately flexible. Chapters progress logically but stand independently, so you can jump to exactly what you need without reading everything that came before. This makes it perfect for solving urgent problems or learning at your own pace. You’ll apply the techniques you learn to automate reports, clean messy data, perform complex calculations, and handle large datasets that would overwhelm Excel alone—all while leveraging your existing spreadsheet knowledge.

A Practical Guide for Nonprogrammers

Automate Excel with Python

Dynamic Modeling and Econometrics in Economics and Finance

Nonlinear models are indispensable in modern finance, yet their reliance on numerical root-finding methods introduces layers of complexity that demand careful attention. This textbook offers a comprehensive and accessible guide to understanding these challenges and applying advanced econometric techniques to real-world financial and economic time series data.
Designed for students, professionals, and researchers with a foundational background in statistics, econometrics, and finance, this book bridges the gap between theory and practice. It introduces key concepts progressively, making it suitable for both intermediate and advanced readers. Each chapter is written in clear, approachable language, ensuring that even those with limited prior experience in econometrics can grasp and apply the material effectively.
The book is organized into five chapters that progressively guide readers through key concepts in financial time series modeling. It begins with Chapter 1, which introduces data filtering techniques, emphasizing the Kalman Filter's role in improving model accuracy. Chapter 2 explores volatility modeling, addressing common challenges in measuring and interpreting variance in financial data. Chapter 3 builds on this by presenting hybrid approaches that combine GARCH models with neural networks to enhance predictive performance. Chapter 4 applies dynamic volatility models to option valuation, offering both theoretical insights and practical tools. Finally, Chapter 5 delves into regime-switching models, including MSAR (Markov Switching Auto Regressive) and STAR (Smooth Transition Auto Regressive), to capture nonlinear behaviors and structural shifts in time series data. Together, these chapters form a cohesive narrative on modeling the dynamic behavior of financial time series, with a particular emphasis on volatility and structural shifts. Whether you're a finance professional, economist, or data scientist, this book is an essential resource for mastering the tools and techniques that drive modern financial analysis.

A Practical Approach

Non-Linearity in Econometric Modeling, Vol. 1

Forecasting

Weitere Titel zum Thema