Vor Ort
Merkzettel Warenkorb
  • Produktbild: Mathematische Einführung in Data Science
  • Produktbild: Mathematische Einführung in Data Science

Mathematische Einführung in Data Science

69,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

25.01.2024

Abbildungen

IX, 303 S. 118 Abb.

Verlag

Springer Berlin

Seitenzahl

303

Maße (L/B/H)

23,5/15,5/1,8 cm

Gewicht

482 g

Auflage

1. Auflage 2023

Sprache

Deutsch

ISBN

978-3-662-68696-6

Beschreibung

Rezension

“... Als Grundlage eines entsprechenden Bachelorkurses liefert das Buch einen guten Startpunkt für aufbauende Veranstaltungen, die dann die einzelnen Themenblöcke vertiefen können. Durch die Vielzahl an Übungen und weiterführender Literatur unterstützt es dabei sowohl die interessierten Studenten beim Selbststudium als auch Dozenten bei der Kursplanung und -vorbereitung.” (Johannes Maly, in: Mathematische Semesterberichte, Jg. 72, Heft 2, 2025)

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

25.01.2024

Abbildungen

IX, 303 S. 118 Abb.

Verlag

Springer Berlin

Seitenzahl

303

Maße (L/B/H)

23,5/15,5/1,8 cm

Gewicht

482 g

Auflage

1. Auflage 2023

Sprache

Deutsch

ISBN

978-3-662-68696-6

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: GPSR Kontakt

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

Weitere Artikel finden Sie in
  • Produktbild: Mathematische Einführung in Data Science
  • Produktbild: Mathematische Einführung in Data Science

  • 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.