Domain buntekarriere.de kaufen?
Wir ziehen mit dem Projekt
buntekarriere.de um.
Sind Sie am Kauf der Domain
buntekarriere.de interessiert?
domain@kv-gmbh.de · 0541-91531010
Domain buntekarriere.de kaufen?
Was bedeuten Data Science und Data Engineering?
Data Science bezieht sich auf die Analyse und Interpretation von Daten, um Erkenntnisse und Muster zu gewinnen, die bei der Lösung von Problemen und der Unterstützung von Entscheidungsprozessen helfen. Data Engineering hingegen bezieht sich auf die Entwicklung und Verwaltung von Dateninfrastrukturen, um sicherzustellen, dass Daten effizient erfasst, gespeichert, verarbeitet und analysiert werden können. Data Engineering legt den Fokus auf die technische Seite der Datenverarbeitung, während Data Science sich auf die Analyse und Interpretation der Daten konzentriert. **
Hat Data Science Zukunft?
Ja, Data Science hat definitiv Zukunft. Mit der zunehmenden Digitalisierung und dem wachsenden Bedarf an datenbasierten Entscheidungen in Unternehmen wird die Nachfrage nach Data Science-Fachleuten weiter steigen. Zudem ermöglicht Data Science die Entwicklung neuer Technologien und Lösungen in verschiedenen Bereichen wie Gesundheitswesen, Finanzen, Marketing und vielen anderen. Daher wird Data Science auch in Zukunft eine wichtige Rolle spielen. **
Ähnliche Suchbegriffe für SQL-for-Data-Science
Top-Angebote
Produkte zum Begriff SQL-for-Data-Science:
-
Python for Data Science, Fachbücher von Yuli VasilievEine praxisnahe, realistische Einführung in die Datenanalyse mit der Programmiersprache Python, die mit vielfältigen Beispielen gefüllt ist. Python ist eine ideale Wahl, um auf Daten aller Art zuzugreifen, sie zu manipulieren und Erkenntnisse zu gewinnen. "Python für Data Science" führt Sie in die pythonische Welt der Datenanalyse ein, mit einem praxisorientierten Ansatz, der auf praktischen Beispielen und Aktivitäten basiert. Sie lernen, wie man Python-Code schreibt, um Daten zu beschaffen, zu transformieren und zu analysieren, und üben moderne Datenverarbeitungstechniken für Anwendungsfälle im Geschäftsmanagement, Marketing und Entscheidungsunterstützung. Sie werden die umfangreiche Sammlung von eingebauten Datenstrukturen in Python für grundlegende Operationen sowie das robuste Ökosystem von Open-Source-Bibliotheken für Data Science entdecken, darunter NumPy, pandas, scikit-learn, matplotlib und mehr. Beispiele zeigen, wie man Daten in verschiedenen Formaten lädt, wie man Datensätze optimiert, gruppiert und aggregiert und wie man Diagramme, Karten und andere Visualisierungen erstellt. Spätere Kapitel gehen detailliert auf Demonstrationen von realen Datenanwendungen ein, einschliesslich der Nutzung von Standortdaten zur Unterstützung eines Taxi-Dienstes, Marktanalyse zur Identifizierung von häufig zusammen gekauften Artikeln und maschinellem Lernen zur Vorhersage von Aktienkursen.45,30 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Vasiliev, Yuli: Python for Data SciencePython for Data Science , A Hands-On Introduction , > , Erscheinungsjahr: 20220802, Produktform: Kartoniert, Autoren: Vasiliev, Yuli, Themenüberschrift: COMPUTERS / Programming Languages / Python, Keyword: nerd gifts;gift books;tech gifts;gifts for nerds;geek gifts;gifts for geeks;programmer gifts;data science;python for data science;machine learning;data analysis;learn python;python books;programming books;head first python;python programming for beginners;computer;technology;code;coding;coding for kids;algorithm;python;python programming;clean code;algorithms;python for data analysis;python machine learning;tech;learning python;python for beginners;coding for beginners;python data science, Fachschema: Data Mining (EDV)~Informatik~Programmiersprachen~Python (EDV), Fachkategorie: Data Mining~Informatik, Imprint-Titels: No Starch Press, Warengruppe: HC/Programmiersprachen, Fachkategorie: Programmier- und Skriptsprachen, allgemein, Text Sprache: eng, Seitenanzahl: XVIII, Seitenanzahl: 217, UNSPSC: 49019900, Warenverzeichnis für die Außenhandelsstatistik: 49019900, Verlag: Random House LLC US, Verlag: Random House LLC US, Länge: 235, Breite: 182, Höhe: 22, Gewicht: 438, Produktform: Kartoniert, Genre: Importe, Genre: Importe, Herkunftsland: VEREINIGTE STAATEN VON AMERIKA (US), Katalog: LIB_ENBOOK, Katalog: Gesamtkatalog, Katalog: Internationale Lagertitel, Katalog: internationale Titel, Katalog: Lagerartikel, Book on Demand, ausgew. Medienartikel, Relevanz: 0004, Tendenz: -1, Unterkatalog: AK, Unterkatalog: Bücher, Unterkatalog: Hardcover, Unterkatalog: Lagerartikel,44,14 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Essential Math for Data Science, Fachbücher von Thomas NieldEssential Math for Data Science von Thomas Nield ist ein umfassendes Fachbuch, das die mathematischen Grundlagen vermittelt, die für eine erfolgreiche Karriere in der Datenwissenschaft, im maschinellen Lernen und in der Statistik erforderlich sind. Der Autor führt die Leser durch zentrale Themen wie Analysis, Wahrscheinlichkeit, lineare Algebra und Statistik und zeigt, wie diese Konzepte auf Techniken wie lineare Regression, logistische Regression und neuronale Netze angewendet werden. Das Buch bietet nicht nur theoretische Einblicke, sondern auch praktische Anwendungen, indem es Python-Code und Bibliotheken wie SymPy, NumPy und scikit-learn nutzt, um mathematische Konzepte zu erkunden. Leser lernen, wie sie deskriptive Statistiken und Hypothesentests durchführen, um p-Werte und statistische Signifikanz zu interpretieren. Darüber hinaus werden Strategien zur Vermeidung häufiger Fallstricke in der Datenwissenschaft und zur Optimierung der eigenen Fähigkeiten im Arbeitsmarkt behandelt.53,70 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Sollte ich Data Science studieren?
Ob du Data Science studieren solltest, hängt von deinen Interessen und Zielen ab. Wenn du ein starkes Interesse an Mathematik, Statistik und Programmierung hast und gerne komplexe Daten analysierst, könnte ein Studium in Data Science für dich geeignet sein. Es ist auch wichtig zu beachten, dass Data Science ein schnell wachsendes Feld ist und gute Karrieremöglichkeiten bietet. **
-
Warum wird Python für Data Science bevorzugt und warum funktioniert zum Beispiel Java nicht? Warum braucht man Python und SQL?
Python wird für Data Science bevorzugt, weil es eine breite Palette von Bibliotheken und Frameworks für Datenanalyse und maschinelles Lernen bietet, wie z.B. NumPy, Pandas und Scikit-learn. Diese Bibliotheken sind in Python gut integriert und ermöglichen eine effiziente Datenmanipulation und Modellierung. Java hingegen ist eine objektorientierte Programmiersprache, die zwar für allgemeine Zwecke geeignet ist, aber nicht speziell für Datenanalyse und maschinelles Lernen optimiert ist. Python und SQL werden oft zusammen verwendet, weil sie unterschiedliche Stärken haben. Python ist gut geeignet für die Datenmanipulation und Modellierung, während SQL eine leistungsstarke Sprache für Datenbankabfragen ist. Durch die Kombination von Python und SQL können Data Scientists Daten aus Datenbanken abrufen, analysieren und **
-
Sollte man Wirtschaftsinformatik oder Data Science studieren?
Die Wahl zwischen Wirtschaftsinformatik und Data Science hängt von den persönlichen Interessen und Karrierezielen ab. Wirtschaftsinformatik kombiniert betriebswirtschaftliches Wissen mit IT-Kenntnissen und ist daher für diejenigen geeignet, die eine Karriere in der Schnittstelle von Wirtschaft und IT anstreben. Data Science hingegen konzentriert sich auf die Analyse großer Datenmengen und die Entwicklung von datengetriebenen Lösungen, was für diejenigen interessant ist, die sich für die Arbeit mit Daten und statistischen Modellen begeistern. **
-
Würdet ihr behaupten, dass der Arbeitsmarkt für Data Science überlaufen ist und warum?
Es ist schwierig, den Arbeitsmarkt für Data Science als überlaufen zu bezeichnen. Aufgrund der steigenden Nachfrage nach Datenexperten gibt es viele offene Stellen, die nicht besetzt werden können. Gleichzeitig gibt es jedoch auch eine wachsende Anzahl von Fachkräften, die sich für eine Karriere in diesem Bereich interessieren. Die Konkurrenz ist also durchaus vorhanden, aber es gibt immer noch genügend Möglichkeiten für qualifizierte Data Scientists. **
Welche Karrieremöglichkeiten stehen jemandem zur Verfügung, der sich für das Fachgebiet Data Science interessiert?
Karrieremöglichkeiten im Bereich Data Science umfassen Positionen wie Data Scientist, Data Analyst, Data Engineer oder Business Intelligence Analyst. Unternehmen in verschiedenen Branchen wie Technologie, Finanzen, Gesundheitswesen und Einzelhandel suchen kontinuierlich nach qualifizierten Data-Experten. Weiterbildungsmöglichkeiten wie Zertifizierungen, Fortbildungen oder ein Masterstudium können die Karrierechancen im Bereich Data Science verbessern. **
Bin ich ohne Studium für Data Science geeignet?
Es ist möglich, ohne ein formales Studium in Data Science geeignet zu sein. Es gibt viele Möglichkeiten, sich selbstständig in diesem Bereich weiterzubilden, wie zum Beispiel Online-Kurse, Bootcamps oder praktische Erfahrungen. Es ist jedoch wichtig zu beachten, dass ein formaler Abschluss in Data Science oft von Arbeitgebern bevorzugt wird und einige Unternehmen möglicherweise eine entsprechende Ausbildung oder Erfahrung verlangen. **
Top-Angebote
Produkte zum Begriff SQL-for-Data-Science:
-
SQL for Data Analysis, Fachbücher von Cathy TanimuraMit der Explosion von Daten, Rechenleistung und Cloud-Datenbanken ist SQL zu einem noch unverzichtbareren Werkzeug für den versierten Analysten oder Datenwissenschaftler geworden. Dieses praktische Buch zeigt neue und verborgene Wege auf, um Ihre SQL-Fähigkeiten zu verbessern, Probleme zu lösen und SQL optimal in Ihren Arbeitsablauf zu integrieren. Sie lernen, wie Sie sowohl gängige als auch exotische SQL-Funktionen wie Joins, Fensterfunktionen, Unterabfragen und reguläre Ausdrücke auf neue, innovative Weise nutzen können, sowie wie Sie SQL-Techniken kombinieren, um Ihre Ziele schneller mit verständlichem Code zu erreichen. Wenn Sie mit SQL-Datenbanken arbeiten, ist dies ein unverzichtbares Nachschlagewerk. Lernen Sie die wichtigsten Schritte zur Vorbereitung Ihrer Daten für die Analyse, führen Sie Zeitreihenanalysen mit SQLs Datums- und Zeitmanipulationen durch, verwenden Sie Kohortenanalysen, um zu untersuchen, wie sich Gruppen im Laufe der Zeit verändern, nutzen Sie SQLs leistungsstarke Funktionen und Operatoren für die Textanalyse, erkennen Sie Ausreisser in Ihren Daten und ersetzen Sie diese durch alternative Werte, und stellen Sie Kausalität mithilfe von Experimentanalysen, auch bekannt als A/B-Tests, her.53,70 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Python for Data Science, Fachbücher von Yuli VasilievEine praxisnahe, realistische Einführung in die Datenanalyse mit der Programmiersprache Python, die mit vielfältigen Beispielen gefüllt ist. Python ist eine ideale Wahl, um auf Daten aller Art zuzugreifen, sie zu manipulieren und Erkenntnisse zu gewinnen. "Python für Data Science" führt Sie in die pythonische Welt der Datenanalyse ein, mit einem praxisorientierten Ansatz, der auf praktischen Beispielen und Aktivitäten basiert. Sie lernen, wie man Python-Code schreibt, um Daten zu beschaffen, zu transformieren und zu analysieren, und üben moderne Datenverarbeitungstechniken für Anwendungsfälle im Geschäftsmanagement, Marketing und Entscheidungsunterstützung. Sie werden die umfangreiche Sammlung von eingebauten Datenstrukturen in Python für grundlegende Operationen sowie das robuste Ökosystem von Open-Source-Bibliotheken für Data Science entdecken, darunter NumPy, pandas, scikit-learn, matplotlib und mehr. Beispiele zeigen, wie man Daten in verschiedenen Formaten lädt, wie man Datensätze optimiert, gruppiert und aggregiert und wie man Diagramme, Karten und andere Visualisierungen erstellt. Spätere Kapitel gehen detailliert auf Demonstrationen von realen Datenanwendungen ein, einschliesslich der Nutzung von Standortdaten zur Unterstützung eines Taxi-Dienstes, Marktanalyse zur Identifizierung von häufig zusammen gekauften Artikeln und maschinellem Lernen zur Vorhersage von Aktienkursen.45,30 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Vasiliev, Yuli: Python for Data SciencePython for Data Science , A Hands-On Introduction , > , Erscheinungsjahr: 20220802, Produktform: Kartoniert, Autoren: Vasiliev, Yuli, Themenüberschrift: COMPUTERS / Programming Languages / Python, Keyword: nerd gifts;gift books;tech gifts;gifts for nerds;geek gifts;gifts for geeks;programmer gifts;data science;python for data science;machine learning;data analysis;learn python;python books;programming books;head first python;python programming for beginners;computer;technology;code;coding;coding for kids;algorithm;python;python programming;clean code;algorithms;python for data analysis;python machine learning;tech;learning python;python for beginners;coding for beginners;python data science, Fachschema: Data Mining (EDV)~Informatik~Programmiersprachen~Python (EDV), Fachkategorie: Data Mining~Informatik, Imprint-Titels: No Starch Press, Warengruppe: HC/Programmiersprachen, Fachkategorie: Programmier- und Skriptsprachen, allgemein, Text Sprache: eng, Seitenanzahl: XVIII, Seitenanzahl: 217, UNSPSC: 49019900, Warenverzeichnis für die Außenhandelsstatistik: 49019900, Verlag: Random House LLC US, Verlag: Random House LLC US, Länge: 235, Breite: 182, Höhe: 22, Gewicht: 438, Produktform: Kartoniert, Genre: Importe, Genre: Importe, Herkunftsland: VEREINIGTE STAATEN VON AMERIKA (US), Katalog: LIB_ENBOOK, Katalog: Gesamtkatalog, Katalog: Internationale Lagertitel, Katalog: internationale Titel, Katalog: Lagerartikel, Book on Demand, ausgew. Medienartikel, Relevanz: 0004, Tendenz: -1, Unterkatalog: AK, Unterkatalog: Bücher, Unterkatalog: Hardcover, Unterkatalog: Lagerartikel,44,14 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Was bedeuten Data Science und Data Engineering?
Data Science bezieht sich auf die Analyse und Interpretation von Daten, um Erkenntnisse und Muster zu gewinnen, die bei der Lösung von Problemen und der Unterstützung von Entscheidungsprozessen helfen. Data Engineering hingegen bezieht sich auf die Entwicklung und Verwaltung von Dateninfrastrukturen, um sicherzustellen, dass Daten effizient erfasst, gespeichert, verarbeitet und analysiert werden können. Data Engineering legt den Fokus auf die technische Seite der Datenverarbeitung, während Data Science sich auf die Analyse und Interpretation der Daten konzentriert. **
-
Hat Data Science Zukunft?
Ja, Data Science hat definitiv Zukunft. Mit der zunehmenden Digitalisierung und dem wachsenden Bedarf an datenbasierten Entscheidungen in Unternehmen wird die Nachfrage nach Data Science-Fachleuten weiter steigen. Zudem ermöglicht Data Science die Entwicklung neuer Technologien und Lösungen in verschiedenen Bereichen wie Gesundheitswesen, Finanzen, Marketing und vielen anderen. Daher wird Data Science auch in Zukunft eine wichtige Rolle spielen. **
-
Sollte ich Data Science studieren?
Ob du Data Science studieren solltest, hängt von deinen Interessen und Zielen ab. Wenn du ein starkes Interesse an Mathematik, Statistik und Programmierung hast und gerne komplexe Daten analysierst, könnte ein Studium in Data Science für dich geeignet sein. Es ist auch wichtig zu beachten, dass Data Science ein schnell wachsendes Feld ist und gute Karrieremöglichkeiten bietet. **
-
Warum wird Python für Data Science bevorzugt und warum funktioniert zum Beispiel Java nicht? Warum braucht man Python und SQL?
Python wird für Data Science bevorzugt, weil es eine breite Palette von Bibliotheken und Frameworks für Datenanalyse und maschinelles Lernen bietet, wie z.B. NumPy, Pandas und Scikit-learn. Diese Bibliotheken sind in Python gut integriert und ermöglichen eine effiziente Datenmanipulation und Modellierung. Java hingegen ist eine objektorientierte Programmiersprache, die zwar für allgemeine Zwecke geeignet ist, aber nicht speziell für Datenanalyse und maschinelles Lernen optimiert ist. Python und SQL werden oft zusammen verwendet, weil sie unterschiedliche Stärken haben. Python ist gut geeignet für die Datenmanipulation und Modellierung, während SQL eine leistungsstarke Sprache für Datenbankabfragen ist. Durch die Kombination von Python und SQL können Data Scientists Daten aus Datenbanken abrufen, analysieren und **
Ähnliche Suchbegriffe für SQL-for-Data-Science
-
Essential Math for Data Science, Fachbücher von Thomas NieldEssential Math for Data Science von Thomas Nield ist ein umfassendes Fachbuch, das die mathematischen Grundlagen vermittelt, die für eine erfolgreiche Karriere in der Datenwissenschaft, im maschinellen Lernen und in der Statistik erforderlich sind. Der Autor führt die Leser durch zentrale Themen wie Analysis, Wahrscheinlichkeit, lineare Algebra und Statistik und zeigt, wie diese Konzepte auf Techniken wie lineare Regression, logistische Regression und neuronale Netze angewendet werden. Das Buch bietet nicht nur theoretische Einblicke, sondern auch praktische Anwendungen, indem es Python-Code und Bibliotheken wie SymPy, NumPy und scikit-learn nutzt, um mathematische Konzepte zu erkunden. Leser lernen, wie sie deskriptive Statistiken und Hypothesentests durchführen, um p-Werte und statistische Signifikanz zu interpretieren. Darüber hinaus werden Strategien zur Vermeidung häufiger Fallstricke in der Datenwissenschaft und zur Optimierung der eigenen Fähigkeiten im Arbeitsmarkt behandelt.53,70 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Data Science Techniques for Cryptocurrency Blockchains, Fachbücher von Innar LiivDas Buch "Data Science Techniques for Cryptocurrency Blockchains" vereint zwei bedeutende Trends: Datenwissenschaft und Blockchain-Technologie. Es gehört zu den ersten Werken, die systematisch die analytischen Aspekte von Blockchains behandeln und zielt darauf ab, traditionelle Datenanalyseforschungsgruppen mit neuartigen Datenquellen zu verknüpfen. In einer Zeit, in der Datenwissenschaft und Big Data-Technologien als Grundpfeiler der datengetriebenen digitalen Transformation von Organisationen und der Gesellschaft gelten, wird das Konzept der Blockchain als potenzieller Katalysator für Veränderungen angesehen, die mit der Erfindung des Internets vergleichbar sind. Das Buch führt die Leserschaft durch grundlegende Themen der Datenexploration und behandelt systematisch verschiedene Methoden, einschliesslich überwachtem und unüberwachtem Lernen sowie Techniken zur Informationsvisualisierung, um ein tiefes Verständnis der Blockchain-Daten aus der Perspektive der Netzwerkforschung zu entwickeln.139,09 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Data Science for Supply Chain Forecasting, Sachbücher von Nicolas VandeputDas Buch "Data Science for Supply Chain Forecasting" bietet eine umfassende Einführung in die Anwendung von Datenwissenschaften zur Verbesserung der Prognosegenauigkeit in der Lieferkette. Der Autor Nicolas Vandeput betont, dass ein wissenschaftlicher Ansatz, der Experimentieren, Beobachten und ständiges Hinterfragen umfasst, entscheidend ist, um in der Nachfrageprognose Exzellenz zu erreichen. Die zweite Auflage enthält über 45 Prozent zusätzliches Material, darunter vier neue Kapitel, die sich mit neuronalen Netzwerken und dem Konzept des Forecast Value Added befassen. Die Struktur des Buches gliedert sich in drei Teile: traditionelle statistische Modelle, maschinelles Lernen und das Management des Prognoseprozesses. Die Leser finden praktische Abschnitte mit Implementierungen in Python und Excel, die es ihnen ermöglichen, die vorgestellten Modelle selbst anzuwenden. Dieses praxisorientierte Werk richtet sich an Fachleute, Prognostiker und Analysten, die ihre Fähigkeiten in der Nachfrageprognose erweitern möchten.45,40 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Sollte man Wirtschaftsinformatik oder Data Science studieren?
Die Wahl zwischen Wirtschaftsinformatik und Data Science hängt von den persönlichen Interessen und Karrierezielen ab. Wirtschaftsinformatik kombiniert betriebswirtschaftliches Wissen mit IT-Kenntnissen und ist daher für diejenigen geeignet, die eine Karriere in der Schnittstelle von Wirtschaft und IT anstreben. Data Science hingegen konzentriert sich auf die Analyse großer Datenmengen und die Entwicklung von datengetriebenen Lösungen, was für diejenigen interessant ist, die sich für die Arbeit mit Daten und statistischen Modellen begeistern. **
-
Würdet ihr behaupten, dass der Arbeitsmarkt für Data Science überlaufen ist und warum?
Es ist schwierig, den Arbeitsmarkt für Data Science als überlaufen zu bezeichnen. Aufgrund der steigenden Nachfrage nach Datenexperten gibt es viele offene Stellen, die nicht besetzt werden können. Gleichzeitig gibt es jedoch auch eine wachsende Anzahl von Fachkräften, die sich für eine Karriere in diesem Bereich interessieren. Die Konkurrenz ist also durchaus vorhanden, aber es gibt immer noch genügend Möglichkeiten für qualifizierte Data Scientists. **
-
Welche Karrieremöglichkeiten stehen jemandem zur Verfügung, der sich für das Fachgebiet Data Science interessiert?
Karrieremöglichkeiten im Bereich Data Science umfassen Positionen wie Data Scientist, Data Analyst, Data Engineer oder Business Intelligence Analyst. Unternehmen in verschiedenen Branchen wie Technologie, Finanzen, Gesundheitswesen und Einzelhandel suchen kontinuierlich nach qualifizierten Data-Experten. Weiterbildungsmöglichkeiten wie Zertifizierungen, Fortbildungen oder ein Masterstudium können die Karrierechancen im Bereich Data Science verbessern. **
-
Bin ich ohne Studium für Data Science geeignet?
Es ist möglich, ohne ein formales Studium in Data Science geeignet zu sein. Es gibt viele Möglichkeiten, sich selbstständig in diesem Bereich weiterzubilden, wie zum Beispiel Online-Kurse, Bootcamps oder praktische Erfahrungen. Es ist jedoch wichtig zu beachten, dass ein formaler Abschluss in Data Science oft von Arbeitgebern bevorzugt wird und einige Unternehmen möglicherweise eine entsprechende Ausbildung oder Erfahrung verlangen. **
* Alle Preise verstehen sich inklusive der gesetzlichen Mehrwertsteuer und ggf. zuzüglich Versandkosten. Die Angebotsinformationen basieren auf den Angaben des jeweiligen Shops und werden über automatisierte Prozesse aktualisiert. Eine Aktualisierung in Echtzeit findet nicht statt, so dass es im Einzelfall zu Abweichungen kommen kann. ** Hinweis: Teile dieses Inhalts wurden von KI erstellt.