| 书目名称 | Statistisches und maschinelles Lernen |
| 副标题 | Gängige Verfahren im |
| 编辑 | Stefan Richter |
| 视频video | http://file.papertrans.cn/878/877056/877056.mp4 |
| 概述 | Wertvolles Grundlagenwissen für (Quer-)Einsteiger aus Mathematik und verwandten Disziplinen.Bereitet auf die Lektüre von vertiefender Fachliteratur vor.Verzichtet zugunsten des Überblicks auf durchgän |
| 图书封面 |  |
| 描述 | .Dieses Buch verschafft Ihnen einen Überblick über einige der bekanntesten Verfahren des maschinellen Lernens aus der Perspektive der mathematischen Statistik. Nach der Lektüre kennen Sie die jeweils gestellten Forderungen an die Daten sowie deren Vor- und Nachteile und sind daher in der Lage, für ein gegebenes Problem ein geeignetes Verfahren vorzuschlagen. Beweise werden nur dort ausführlich dargestellt oder skizziert, wo sie einen didaktischen Mehrwert bieten – ansonsten wird auf die entsprechenden Fachartikel verwiesen. Für die praktische Anwendung ist ein genaueres Studium des jeweiligen Verfahrens und der entsprechenden Fachliteratur nötig, zu der Sie auf Basis dieses Buchs aber schnell Zugang finden..Das Buch richtet sich an Studierende der Mathematik höheren Semesters, die bereits Vorkenntnisse in Wahrscheinlichkeitstheorie besitzen. Behandelt werden sowohl Methoden des Supervised Learning und Reinforcement Learning als auch des Unsupervised Learning. Der Umfang entspricht einer einsemestrigen vierstündigen Vorlesung. ..Die einzelnen Kapitel sind weitestgehend unabhängig voneinander lesbar, am Ende jedes Kapitels kann das erworbene Wissen anhand von Übungsaufgaben und durch |
| 出版日期 | Textbook 2019 |
| 关键词 | Statistisches Lernen; Maschinelles Lernen; Machine Learning; Supervised Learning; Unsupervised Learning |
| 版次 | 1 |
| doi | https://doi.org/10.1007/978-3-662-59354-7 |
| isbn_softcover | 978-3-662-59353-0 |
| isbn_ebook | 978-3-662-59354-7 |
| copyright | Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2019 |
|Archiver|手机版|小黑屋|
派博传思国际
( 京公网安备110108008328)
GMT+8, 2025-8-23 12:16
发表于 2025-3-21 19:02:37
