Standort: ---
Exemplare:
---
| |  Online-Ressource |
|---|
| Verfasst von: | Schönbrodt, Sarah [VerfasserIn]  |
|---|
| Titel: | Maschinelle Lernmethoden für Klassifizierungsprobleme |
|---|
| Titelzusatz: | Perspektiven für die mathematische Modellierung mit Schülerinnen und Schülern |
|---|
| Verf.angabe: | Sarah Schönbrodt |
|---|
| Verlagsort: | Wiesbaden |
|---|
| Verlag: | Springer Spektrum |
|---|
| E-Jahr: | 2019 |
|---|
| Jahr: | [2019] |
|---|
| Umfang: | 1 Online-Ressource (XIII, 99 Seiten) |
|---|
| Illustrationen: | Illustrationen, Diagramme |
|---|
| Gesamttitel/Reihe: | BestMasters |
|---|
| | Springer eBook Collection |
|---|
| | SpringerLink : Bücher |
|---|
| Hochschulschrift: | Masterarbeit |
|---|
| ISBN: | 978-3-658-25137-6 |
|---|
| Abstract: | 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. Der 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 Die Zielgruppen Dozierende und Studierende der Mathematikdidaktik und Mathematik Angehende Lehrerinnen und Lehrer der Mathematik und Informatik Die Autorin 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 |
|---|
| | 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 |
|---|
| DOI: | doi:10.1007/978-3-658-25137-6 |
|---|
| URL: | Volltext ; Resolving-System: https://doi.org/10.1007/978-3-658-25137-6 |
|---|
| | Volltext: http://dx.doi.org/10.1007/978-3-658-25137-6 |
|---|
| | DOI: https://doi.org/10.1007/978-3-658-25137-6 |
|---|
| Datenträger: | Online-Ressource |
|---|
| Dokumenttyp: | Hochschulschrift |
|---|
| Sprache: | ger |
|---|
| (Gesamttitel): | Springer eBook Collection. Life Science and Basic Disciplines |
|---|
| Bibliogr. Hinweis: | Erscheint auch als : Druck-Ausgabe: Schönbrodt, Sarah: Maschinelle Lernmethoden für Klassifizierungsprobleme. - Wiesbaden : Springer Spektrum, 2019. - XII, 99 Seiten |
|---|
| K10plus-PPN: | 1048365395 |
|---|
| |
|
|---|
| | |
|---|
| 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 / m3370589419 |
|---|
| Lokale URL Inst.: | Zum Volltext |
|---|
978-3-658-25137-6
Maschinelle Lernmethoden für Klassifizierungsprobleme / Schönbrodt, Sarah [VerfasserIn]; [2019] (Online-Ressource)
68353866
