Standort: ---
Exemplare:
---
| |  Online-Ressource |
|---|
| Verfasst von: | Wegner, Sven-Ake [VerfasserIn]  |
|---|
| Titel: | Mathematische Einführung in Data Science |
|---|
| Verf.angabe: | von Sven-Ake Wegner |
|---|
| Ausgabe: | 1st ed. 2023. |
|---|
| Verlagsort: | Berlin, Heidelberg |
|---|
| | Berlin, Heidelberg |
|---|
| Verlag: | Springer Berlin Heidelberg |
|---|
| | Imprint: Springer Spektrum |
|---|
| E-Jahr: | 2023 |
|---|
| Jahr: | 2023. |
|---|
| | 2023. |
|---|
| Umfang: | 1 Online-Ressource(IX, 303 S. 118 Abb.) |
|---|
| ISBN: | 978-3-662-68697-3 |
|---|
| Abstract: | Vorwort -- 1 Was ist Data (Science)? -- 2 Affin-lineare, polynomiale und logistische Regression -- 3 k-nächste Nachbarn -- 4 Clustering -- 5 Graphenclustering -- 6 Bestpassende Unterräume -- 7 Singulärwertzerlegung -- 8 Fluch und Segen der hohen Dimension -- 9 Maßkonzentration -- 10 Gaußsche Zufallsvektoren in hohen Dimensionen -- 11 Dimensionalitätsreduktion à la Johnson-Lindenstrauss -- 12 Trennung von Gaußianen und Parameteranpassung -- 13 Perzeptron -- 14 Support-Vector-Maschinen -- 15 Kernmethode -- 16 Neuronale Netze -- 17 Gradientenverfahren für konvexe Funktionen -- A Ausgewählte Resultate der Wahrscheinlichkeitstheorie -- Literaturverzeichnis -- Stichwortverzeichnis. |
|---|
| | Dieses Lehrbuch richtet sich an Studierende der Mathematik ab dem dritten Studienjahr. Basierend auf den mathematischen Grundvorlesungen werden kanonische Themen aus den Bereichen Data Science und Machine Learning durchgenommen. Dabei stehen rigorose Beweise und ein systematisches Verständnis der zugrundeliegenden Ideen im Vordergrund. Der Text wird abgerundet durch 121 unterrichtserprobte Aufgaben. Behandelte Themen sind u.a. k-nächste Nachbarn, lineare und logistische Regression, Clustering, bestpassende Unterräume, Hauptkomponentenanalyse, Dimensionalitätsreduktion, kollaboratives Filtern, Perzeptron, Support-Vector-Maschinen und neuronale Netze. Der Autor Sven-Ake Wegner promovierte 2010 in Funktionalanalysis und ist nach mehreren, teils internationalen wissenschaftlichen Stationen seit 2020 Privatdozent für Mathematik an der Universität Hamburg. |
|---|
| DOI: | doi:10.1007/978-3-662-68697-3 |
|---|
| URL: | Resolving-System: https://doi.org/10.1007/978-3-662-68697-3 |
|---|
| | DOI: https://doi.org/10.1007/978-3-662-68697-3 |
|---|
| Schlagwörter: | (s)Data Science / (s)Maschinelles Lernen / (s)Mathematik |
|---|
| | (s)Regressionsanalyse / (s)Cluster-Analyse / (s)Singulärwertzerlegung / (s)Konzentration des Maßes / (s)Zufallsvektor / (s)Dimensionsreduktion |
|---|
| | (s)Support-Vektor-Maschine / (s)Neuronales Netz / (s)Gradientenverfahren |
|---|
| Datenträger: | Online-Ressource |
|---|
| Dokumenttyp: | Lehrbuch |
|---|
| Sprache: | ger |
|---|
| Bibliogr. Hinweis: | Erscheint auch als : Druck-Ausgabe |
|---|
| K10plus-PPN: | 1879511304 |
|---|
| |
|
|---|
| | |
|---|
| Lokale URL UB: |  Zum Volltext |
|---|
| |
|
|---|
| | Bibliothek der Medizinischen Fakultät Mannheim der Universität Heidelberg |
|---|
| |  Bestellen/Vormerken für Benutzer des Klinikums Mannheim
Eigene Kennung erforderlich |
| Bibliothek/Idn: | UW / m4472303027 |
|---|
| Lokale URL Inst.: | Zum Volltext |
|---|
978-3-662-68697-3
Mathematische Einführung in Data Science / Wegner, Sven-Ake [VerfasserIn]; 2023. (Online-Ressource)
69167307
Zurück zur Trefferübersicht und Suche
