Statistik und maschinelles Lernen Eine mathematische Einführung in klassische und moderne Methoden

Dieses Lehrbuch liefert einen Einstieg in die mathematische Statistik und baut systematisch eine Brücke zum maschinellen Lernen. Dabei werden sowohl klassische und bis heute wichtige Verfahren untersucht als auch moderne Klassifikationsmethoden des statistischen Lernens. Diese werden mathematisch pr...

Full description

Bibliographic Details
Main Authors: Trabs, Mathias, Jirak, Moritz (Author), Krenz, Konstantin (Author), Reiß, Markus (Author)
Format: eBook
Language:German
Published: Berlin, Heidelberg Springer Berlin Heidelberg 2021, 2021
Edition:1st ed. 2021
Subjects:
Online Access:
Collection: Springer eBooks 2005- - Collection details see MPG.ReNa
LEADER 03140nmm a2200313 u 4500
001 EB001994541
003 EBX01000000000000001157443
005 00000000000000.0
007 cr|||||||||||||||||||||
008 210702 ||| ger
020 |a 9783662629383 
100 1 |a Trabs, Mathias 
245 0 0 |a Statistik und maschinelles Lernen  |h Elektronische Ressource  |b Eine mathematische Einführung in klassische und moderne Methoden  |c von Mathias Trabs, Moritz Jirak, Konstantin Krenz, Markus Reiß 
250 |a 1st ed. 2021 
260 |a Berlin, Heidelberg  |b Springer Berlin Heidelberg  |c 2021, 2021 
300 |a XII, 263 S. 32 Abb., 23 Abb. in Farbe  |b online resource 
505 0 |a Grundlagen der Statistik -- Das lineare Modell -- Effizienz und Exponentialfamilien -- Modellwahl -- Klassifikation -- ANHANG -- Konzepte der Wahrscheinlichkeitstheorie 
653 |a Statistical Theory and Methods 
653 |a Statistics  
653 |a Statistics and Computing/Statistics Programs 
653 |a Applied Statistics 
700 1 |a Jirak, Moritz  |e [author] 
700 1 |a Krenz, Konstantin  |e [author] 
700 1 |a Reiß, Markus  |e [author] 
041 0 7 |a ger  |2 ISO 639-2 
989 |b Springer  |a Springer eBooks 2005- 
856 4 0 |u https://doi.org/10.1007/978-3-662-62938-3?nosfx=y  |x Verlag  |3 Volltext 
082 0 |a 519.5 
520 |a Dieses Lehrbuch liefert einen Einstieg in die mathematische Statistik und baut systematisch eine Brücke zum maschinellen Lernen. Dabei werden sowohl klassische und bis heute wichtige Verfahren untersucht als auch moderne Klassifikationsmethoden des statistischen Lernens. Diese werden mathematisch präzise analysiert und anhand von lebensnahen Beispielen illustriert. Das Buch verschafft den Leserinnen und Lesern einen Überblick über statistische Methoden der Datenanalyse und deren mathematischen Grundprinzipien. Der Fokus auf nicht-asymptotische Resultate erlaubt den Zugang zu modernen Anwendungen und führt an aktuelle Forschungsfragen heran. Aufgaben am Kapitelende runden das Buch ab. Die Autoren Mathias Trabs promovierte an der Humboldt-Universität zu Berlin. Nach einer Postdoczeit in Paris wurde er 2016 Juniorprofessor an der Universität Hamburg. Seine Forschung befasst sich mit der hochdimensionalen und nichtparametrischen Statistik. Moritz Jirak promovierte an der Technischen Universität Graz. Seine wissenschaftliche Laufbahn führte über Berlin und Braunschweig an die Universität Wien, wo er seit 2020 Professor ist. Seine Forschungsschwerpunkte liegen in der Analyse von hochdimensionalen Daten und Zeitreihen. Konstantin Krenz schloss 2019 das Mathematikstudium an der Humboldt-Universität zu Berlin ab, wobei er sich in die angewandte Statistik und optimale Steuerungsprobleme vertiefte. Nach einer Weiterbildung für das Lehramt an Gymnasien unterrichtet er Mathematik und Informatik in Erfurt. Markus Reiß promovierte an der Humboldt-Universität zu Berlin. Nach Stationen in Paris und Heidelberg kehrte er 2008 als Professor an die Humboldt-Universität zu Berlin zurück. Er ist ein Experte für statistische inverse Probleme und die Statistik stochastischer Prozesse