Onleihe. Maschinelle Lernmethoden für Klassifizierungsprobleme

Seitenbereiche:

Maschinelle Lernmethoden für Klassifizierungsprobleme

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.
Autor(en) Information:
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.

Titel: Maschinelle Lernmethoden für Klassifizierungsprobleme

Reihe: BestMasters

Autor*in: Schönbrodt, Sarah

Verlag: Springer Fachmedien Wiesbaden GmbH

ISBN: 9783658251376

Kategorie: Sachmedien & Ratgeber, Wissenschaft & Technik, Mathematik

Dateigröße: 3 MB

Format: PDF

1 Exemplare
1 Verfügbar
0 Vormerker

Max. Ausleihdauer: 21 Tage