Maschinelle Lernmethoden für Klassifizierungsprobleme
Perspektiven für die mathematische Modellierung mit Schülerinnen und Schülern
Autor*in: Schönbrodt, Sarah
Reihe: BestMasters
Jahr: 2019
Sprache: Deutsch
Umfang: 99 S.
Verfügbar
- Inhalt:
- 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.
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.
Titelinformationen
Titel: Maschinelle Lernmethoden für Klassifizierungsprobleme
Reihe: BestMasters
Autor*in: Schönbrodt, Sarah
Verlag: Springer Fachmedien Wiesbaden
ISBN: 9783658251376
Kategorie: Sachmedien & Ratgeber, Wissenschaft & Technik, Mathematik
Dateigröße: 3 MB
Format: PDF
Max. Ausleihdauer: 21 Tage