Maschinelle Lernmethoden für Klassifizierungsprobleme / BestMasters (PDF)
Perspektiven für die mathematische Modellierung mit Schülerinnen und Schülern
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...
sofort als Download lieferbar
Printausgabe 46.25 €
eBook (pdf) -22%
35.97 €
- Lastschrift, Kreditkarte, Paypal, Rechnung
- Kostenloser tolino webreader
Produktdetails
Produktinformationen zu „Maschinelle Lernmethoden für Klassifizierungsprobleme / BestMasters (PDF)“
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 inder 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.
Autoren-Porträt von Sarah Schönbrodt
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.
Bibliographische Angaben
- Autor: Sarah Schönbrodt
- 2019, 1. Aufl. 2019, 99 Seiten, Deutsch
- Verlag: Gabler, Betriebswirt.-Vlg
- ISBN-10: 3658251379
- ISBN-13: 9783658251376
- Erscheinungsdatum: 04.01.2019
Abhängig von Bildschirmgröße und eingestellter Schriftgröße kann die Seitenzahl auf Ihrem Lesegerät variieren.
eBook Informationen
- Dateiformat: PDF
- Größe: 3.80 MB
- Ohne Kopierschutz
- Vorlesefunktion
Kommentar zu "Maschinelle Lernmethoden für Klassifizierungsprobleme / BestMasters"
Schreiben Sie einen Kommentar zu "Maschinelle Lernmethoden für Klassifizierungsprobleme / BestMasters".
Kommentar verfassen