Willkommen, schön sind Sie da!
Logo Ex Libris

Maschinelle Lernmethoden für Klassifizierungsprobleme

  • Kartonierter Einband
  • 99 Seiten
(0) Erste Bewertung abgeben
Bewertungen
(0)
(0)
(0)
(0)
(0)
Alle Bewertungen ansehen
Sarah Schönbrodt gibt Einblick in die mathematischen Hintergründe der Support Vector Machine und einer auf der Singulärwertzerlegu... Weiterlesen
20%
63.00 CHF 50.40
Auslieferung erfolgt in der Regel innert 4 bis 6 Werktagen.
Bestellung & Lieferung in eine Filiale möglich

Beschreibung

Sarah Schönbrodt gibt Einblick in die mathematischen Hintergründe der Support Vector Machine und einer auf der Singulärwertzerlegung basierenden Klassifizierungsmethode. Die Autorin stellt fest, dass sich hinter beiden Methoden elementar-mathematische und anschauliche Konzepte verbergen, die großteils mit Schulmathematik zugänglich sind. Schülerinnen und Schülern wird aufgrund der großen Anwendungsbreite für verschiedene lebensnahe Fragestellungen ein verständlicher Zugang zu Problemlösestrategien des aktuell höchst relevanten maschinellen Lernens gegeben. Perspektiven für die methodisch-didaktische Gestaltung eines Workshops zur mathematischen Modellierung werden aufgezeigt.


Autorentext

Nach erfolgreichem Abschluss ihres Masterstudiums promoviert Sarah Schönbrodt im Bereich der Entwicklung von authentischen Modellierungsaufgaben für Schülerinnen und Schüler an der RWTH Aachen. Sie ist zugleich in der Organisation und Gestaltung des Schülerlabors CAMMP für Mathematische Modellierung tätig.



Inhalt

Klassifizierung auf Basis maschineller Lernalgorithmen.- Mathematische Hintergründe zweier maschineller Lernmethoden.- Anwendung zweier maschineller Lernmethoden zur Bildklassifizierung.- Maschinelles Lernen in der mathematischen Modellierung mit Schülerinnen und Schülern.

Produktinformationen

Titel: Maschinelle Lernmethoden für Klassifizierungsprobleme
Untertitel: Perspektiven für die mathematische Modellierung mit Schülerinnen und Schülern
Autor:
EAN: 9783658251369
ISBN: 978-3-658-25136-9
Format: Kartonierter Einband
Herausgeber: Springer-Verlag GmbH
Genre: Sonstiges
Anzahl Seiten: 99
Gewicht: 162g
Größe: H210mm x B148mm x T6mm
Jahr: 2019
Auflage: 1. Aufl. 2019

Weitere Produkte aus der Reihe "BestMasters"