Hugendubel.info - Die B2B Online-Buchhandlung 

Merkliste
Die Merkliste ist leer.
Bitte warten - die Druckansicht der Seite wird vorbereitet.
Der Druckdialog öffnet sich, sobald die Seite vollständig geladen wurde.
Sollte die Druckvorschau unvollständig sein, bitte schliessen und "Erneut drucken" wählen.

Statistisches und maschinelles Lernen

Gängige Verfahren im Überblick
BuchKartoniert, Paperback
383 Seiten
Deutsch
Springererschienen am11.09.20191. Aufl. 2019
Dieses Buch verschafft Ihnen einen Überblick über einige der bekanntesten Verfahren des maschinellen Lernens aus der Perspektive der mathematischen Statistik.mehr
Verfügbare Formate
BuchKartoniert, Paperback
EUR34,99
E-BookPDF1 - PDF WatermarkE-Book
EUR26,99

Produkt

KlappentextDieses Buch verschafft Ihnen einen Überblick über einige der bekanntesten Verfahren des maschinellen Lernens aus der Perspektive der mathematischen Statistik.
Zusammenfassung
Wertvolles Grundlagenwissen für (Quer-)Einsteiger aus Mathematik und verwandten Disziplinen

Bereitet auf die Lektüre von vertiefender Fachliteratur vor

Verzichtet zugunsten des Überblicks auf durchgängige (Beweis-)Vollständigkeit

Solide Basis in Form weitgehend unabhängig voneinander lesbarer Kapitel

Ergänzende Programmcodes in R sind online verfügbar

Includes supplementary material: sn.pub/extras
Details
ISBN/GTIN978-3-662-59353-0
ProduktartBuch
EinbandartKartoniert, Paperback
Verlag
Erscheinungsjahr2019
Erscheinungsdatum11.09.2019
Auflage1. Aufl. 2019
Seiten383 Seiten
SpracheDeutsch
Gewicht678 g
IllustrationenXIV, 383 S. 87 Abb., 50 Abb. in Farbe.
Artikel-Nr.46673627

Inhalt/Kritik

Inhaltsverzeichnis
Supervised Learning: Grundlagen.- Lineare Algorithmen für Regressionsprobleme.- Allgemeines zu Klassifikationsproblemen .- Lineare Methoden für Klassifizierungsprobleme und SVMs.- Nichtparametrische Methoden und der naive Bayes-Klassifizierer.- Regressions- und Klassifikationsbäume; Bagging, Boosting und Random Forests.- Neuronale Netzwerke.- Reinforcement Learning / Bestärkendes Lernen.- Unsupervised Learning: Bestimmung von Repräsentanten.- Unsupervised Learning: Dimensionsreduktion.mehr

Schlagworte

Autor

Dr. Stefan Richter studierte und promovierte an der Universität Heidelberg. Im Anschluss hatte er eine Vertretungsprofessur am Institut für Mathematische Stochastik der TU Braunschweig inne, in deren Rahmen er unter anderem statistisches und maschinelles Lernen für Mathematiker lehrte. Derzeit ist er Postdoc der Arbeitsgruppe Statistik stochastischer Prozesse in Heidelberg.