Statistisches und maschinelles Lernen: Gängige Verfahren im Überblick
7 Angebote vergleichen
Preise | 2019 | 2020 | 2023 |
---|---|---|---|
Schnitt | Fr. 24.50 (€ 25.11)¹ | Fr. 27.32 (€ 27.99)¹ | Fr. 32.19 (€ 32.99)¹ |
Nachfrage |
1
Statistisches und maschinelles Lernen (2019)
DE NW
ISBN: 366259353X bzw. 9783662593530, in Deutsch, 383 Seiten, Springer Berlin Heidelberg, neu.
Lieferung aus: Deutschland, 2-5 Werktage.
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 Implementierung der Verfahren überprüft werden. Quelltexte in der Programmiersprache R stehen auf der Springer-Produktseite zum Buch zur Verfügung. 2019, 383 Seiten, Buch.
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 Implementierung der Verfahren überprüft werden. Quelltexte in der Programmiersprache R stehen auf der Springer-Produktseite zum Buch zur Verfügung. 2019, 383 Seiten, Buch.
2
Statistisches und maschinelles Lernen
~DE PB NW
ISBN: 9783662593530 bzw. 366259353X, vermutlich in Deutsch, Springer Shop, Taschenbuch, neu.
Lieferung aus: Österreich, Lagernd, zzgl. Versandkosten.
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 Implementierung der Verfahren überprüft werden. Quelltexte in der Programmiersprache R stehen auf der Springer-Produktseite zum Buch zur Verfügung. Soft cover.
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 Implementierung der Verfahren überprüft werden. Quelltexte in der Programmiersprache R stehen auf der Springer-Produktseite zum Buch zur Verfügung. Soft cover.
3
Statistisches und maschinelles Lernen - Gängige Verfahren im Überblick
DE PB NW
ISBN: 9783662593530 bzw. 366259353X, in Deutsch, Springer-Verlag Gmbh, Taschenbuch, neu.
Lieferung aus: Deutschland, Versandkostenfrei.
Statistisches und maschinelles Lernen: 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 Implementierung der Verfahren überprüft werden. Quelltexte in der Programmiersprache R stehen auf der Springer-Produktseite zum Buch zur Verfügung. Taschenbuch.
Statistisches und maschinelles Lernen: 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 Implementierung der Verfahren überprüft werden. Quelltexte in der Programmiersprache R stehen auf der Springer-Produktseite zum Buch zur Verfügung. Taschenbuch.
4
Statistisches und maschinelles
~DE PB NW
ISBN: 9783662593530 bzw. 366259353X, vermutlich in Deutsch, Taschenbuch, neu.
Lieferung aus: Deutschland, Next Day, Versandkostenfrei.
Erscheinungsdatum: 28.11.2019, Medium: Taschenbuch, Einband: Kartoniert / Broschiert, Titel: Statistisches und maschinelles Lernen, Titelzusatz: Gängige Verfahren im Überblick, Auflage: 1. Aufl. 2019, Autor: Richter, Stefan, Verlag: Springer-Verlag GmbH // Springer Berlin, Imprint: Springer Spektrum, Sprache: Deutsch, Schlagworte: Datenverarbeitung // Anwendungen // Mathematik // Statistik // Wahrscheinlichkeit // Wahrscheinlichkeitstheorie // Stochastik // Wahrscheinlichkeitsrechnung // Informatik // Computer // MATHEMATICS // Probability & Statistics // General // Wahrscheinlichkeitsrechnung und Statistik // Mathematische und statistische Software // Mathematik für Informatiker, Rubrik: Mathematik // Wahrscheinlichkeitstheorie, Seiten: 382, Abbildungen: 20 schwarz-weisse und 40 farbige Abbildungen, Bibliographie, Informationen: Book, Gewicht: 681 gr, Verkäufer: averdo.
Erscheinungsdatum: 28.11.2019, Medium: Taschenbuch, Einband: Kartoniert / Broschiert, Titel: Statistisches und maschinelles Lernen, Titelzusatz: Gängige Verfahren im Überblick, Auflage: 1. Aufl. 2019, Autor: Richter, Stefan, Verlag: Springer-Verlag GmbH // Springer Berlin, Imprint: Springer Spektrum, Sprache: Deutsch, Schlagworte: Datenverarbeitung // Anwendungen // Mathematik // Statistik // Wahrscheinlichkeit // Wahrscheinlichkeitstheorie // Stochastik // Wahrscheinlichkeitsrechnung // Informatik // Computer // MATHEMATICS // Probability & Statistics // General // Wahrscheinlichkeitsrechnung und Statistik // Mathematische und statistische Software // Mathematik für Informatiker, Rubrik: Mathematik // Wahrscheinlichkeitstheorie, Seiten: 382, Abbildungen: 20 schwarz-weisse und 40 farbige Abbildungen, Bibliographie, Informationen: Book, Gewicht: 681 gr, Verkäufer: averdo.
5
Statistisches und maschinelles (2019)
~DE PB NW
ISBN: 9783662593530 bzw. 366259353X, vermutlich in Deutsch, Taschenbuch, neu.
Lieferung aus: Deutschland, Next Day, Versandkostenfrei.
Erscheinungsdatum: 28.11.2019, Medium: Taschenbuch, Einband: Kartoniert / Broschiert, Titel: Statistisches und maschinelles Lernen, Titelzusatz: Gängige Verfahren im Überblick, Auflage: 1. Aufl. 2019, Autor: Richter, Stefan, Verlag: Springer-Verlag GmbH, Imprint: Springer Spektrum, Sprache: Deutsch, Schlagworte: Datenverarbeitung // Anwendungen // Mathematik // Statistik // Wahrscheinlichkeit // Wahrscheinlichkeitstheorie // Stochastik // Wahrscheinlichkeitsrechnung // Informatik // Computer // MATHEMATICS // Probability & Statistics // General // Wahrscheinlichkeitsrechnung und Statistik // Mathematische und statistische Software // Mathematik für Informatiker, Rubrik: Mathematik // Wahrscheinlichkeitstheorie, Seiten: 382, Abbildungen: 20 schwarz-weisse und 40 farbige Abbildungen, Bibliographie, Informationen: Book, Gewicht: 681 gr, Verkäufer: averdo.
Erscheinungsdatum: 28.11.2019, Medium: Taschenbuch, Einband: Kartoniert / Broschiert, Titel: Statistisches und maschinelles Lernen, Titelzusatz: Gängige Verfahren im Überblick, Auflage: 1. Aufl. 2019, Autor: Richter, Stefan, Verlag: Springer-Verlag GmbH, Imprint: Springer Spektrum, Sprache: Deutsch, Schlagworte: Datenverarbeitung // Anwendungen // Mathematik // Statistik // Wahrscheinlichkeit // Wahrscheinlichkeitstheorie // Stochastik // Wahrscheinlichkeitsrechnung // Informatik // Computer // MATHEMATICS // Probability & Statistics // General // Wahrscheinlichkeitsrechnung und Statistik // Mathematische und statistische Software // Mathematik für Informatiker, Rubrik: Mathematik // Wahrscheinlichkeitstheorie, Seiten: 382, Abbildungen: 20 schwarz-weisse und 40 farbige Abbildungen, Bibliographie, Informationen: Book, Gewicht: 681 gr, Verkäufer: averdo.
7
Statistisches und maschinelles Lernen: Gängige Verfahren im Überblick
~DE PB NW
ISBN: 9783662593530 bzw. 366259353X, vermutlich in Deutsch, Springer Berlin Heidelberg, Taschenbuch, neu.
Lieferung aus: Vereinigte Staaten von Amerika, Lagernd, zzgl. Versandkosten.
Die Beschreibung dieses Angebotes ist von geringer Qualität oder in einer Fremdsprache. Trotzdem anzeigen
Die Beschreibung dieses Angebotes ist von geringer Qualität oder in einer Fremdsprache. Trotzdem anzeigen
Lade…