Machine Learning kompakt Ein Einstieg für Studierende der Naturwissenschaften

Dieses essential befasst sich mit Anwendungen des maschinellen Lernens in verschiedenen Bereichen der Naturwissenschaften. Es behandelt geläufige Strukturen und Algorithmen, um Daten mit den Techniken des maschinellen Lernens zu analysieren. Zunächst werden Methoden eingeführt, die an klassischen st...

Full description

Bibliographic Details
Main Authors: Choo, Kenny, Greplova, Eliska (Author), Fischer, Mark H. (Author), Neupert, Titus (Author)
Format: eBook
Language:German
Published: Wiesbaden Springer Fachmedien Wiesbaden 2020, 2020
Edition:1st ed. 2020
Series:essentials
Subjects:
Online Access:
Collection: Springer eBooks 2005- - Collection details see MPG.ReNa
LEADER 02454nmm a2200337 u 4500
001 EB001957094
003 EBX01000000000000001119996
005 00000000000000.0
007 cr|||||||||||||||||||||
008 210208 ||| ger
020 |a 9783658322687 
100 1 |a Choo, Kenny 
245 0 0 |a Machine Learning kompakt  |h Elektronische Ressource  |b Ein Einstieg für Studierende der Naturwissenschaften  |c von Kenny Choo, Eliska Greplova, Mark H. Fischer, Titus Neupert 
250 |a 1st ed. 2020 
260 |a Wiesbaden  |b Springer Fachmedien Wiesbaden  |c 2020, 2020 
300 |a VIII, 71 S. 24 Abb  |b online resource 
653 |a Machine learning 
653 |a Statistics  
653 |a Machine Learning 
653 |a Statistics for Engineering, Physics, Computer Science, Chemistry and Earth Sciences 
653 |a Mathematical physics 
653 |a Theoretical, Mathematical and Computational Physics 
700 1 |a Greplova, Eliska  |e [author] 
700 1 |a Fischer, Mark H.  |e [author] 
700 1 |a Neupert, Titus  |e [author] 
041 0 7 |a ger  |2 ISO 639-2 
989 |b Springer  |a Springer eBooks 2005- 
490 0 |a essentials 
856 4 0 |u https://doi.org/10.1007/978-3-658-32268-7?nosfx=y  |x Verlag  |3 Volltext 
082 0 |a 530.1 
520 |a Dieses essential befasst sich mit Anwendungen des maschinellen Lernens in verschiedenen Bereichen der Naturwissenschaften. Es behandelt geläufige Strukturen und Algorithmen, um Daten mit den Techniken des maschinellen Lernens zu analysieren. Zunächst werden Methoden eingeführt, die an klassischen statistischen Analysen andocken und auf soliderem mathematischem Fundament stehen. Die Autoren machen mit den verschiedenen Strukturen für künstliche neuronale Netzwerke vertraut und zeigen die jeweiligen Anwendungsgebiete. Der Inhalt Maschinelles Lernen ohne neuronale Netzwerke Überwachtes und unüberwachtes Lernen Interpretierbarkeit von neuronalen Netzwerken Die Zielgruppen Studierende und Dozierende aus den Bereichen Mathematik, Physik, Biologie, Medizin und verwandten Naturwissenschaften Wissenschaftlerinnen und Wissenschaftler Die Autoren Kenny Choo ist Doktorand am Physik-Institut der Universität Zürich. Eliska Greplova ist Assistenz-Professorin für Quanten-Nanowissenschaften an der Technischen Universität Delft. Mark H. Fischer ist Oberassistent am Physik-Institut der Universität Zürich. Titus Neupert ist Professor für theoretische Physik an der Universität Zürich