國立虎尾科技大學 |

Machine Learning kompakt = Ein Einstieg für Studierende der Naturwissenschaften /

紀錄類型:	書目-語言資料,印刷品 : Monograph/item
正題名/作者:	Machine Learning kompakt/ von Kenny Choo, Eliska Greplova, Mark H. Fischer, Titus Neupert.
其他題名:	Ein Einstieg für Studierende der Naturwissenschaften /
作者:	Choo, Kenny.
其他作者:	Neupert, Titus.
面頁冊數:	VIII, 71 S. 24 Abb.online resource. :
Contained By:	Springer Nature eBook
標題:	Statistics for Engineering, Physics, Computer Science, Chemistry and Earth Sciences. -
電子資源:	https://doi.org/10.1007/978-3-658-32268-7
ISBN:	9783658322687

Machine Learning kompakt = Ein Einstieg für Studierende der Naturwissenschaften /
Choo, Kenny.

Machine Learning kompaktEin Einstieg für Studierende der Naturwissenschaften /[electronic resource] :von Kenny Choo, Eliska Greplova, Mark H. Fischer, Titus Neupert. - 1st ed. 2020. - VIII, 71 S. 24 Abb.online resource. - essentials,2197-6708. - essentials,.

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.

ISBN: 9783658322687

Standard No.: 10.1007/978-3-658-32268-7doiSubjects--Topical Terms:

782247
Statistics for Engineering, Physics, Computer Science, Chemistry and Earth Sciences.

LC Class. No.: QC19.2-20.85

Dewey Class. No.: 530.1

Machine Learning kompakt = Ein Einstieg für Studierende der Naturwissenschaften /
LDR:02477nam a22003495i 4500 001 1031218
003 DE-He213
005 20210119074652.0
007 cr nn 008mamaa
008 210318s2020 gw | s |||| 0|ger d
020 $a 9783658322687 $9 978-3-658-32268-7
024 7 $a 10.1007/978-3-658-32268-7 $2 doi
035 $a 978-3-658-32268-7
050 4 $a QC19.2-20.85
072 7 $a PHU $2 bicssc
072 7 $a SCI040000 $2 bisacsh
072 7 $a PHU $2 thema
082 0 4 $a 530.1 $2 23
100 1 $a Choo, Kenny. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1328306
245 1 0 $a Machine Learning kompakt $h [electronic resource] : $b Ein Einstieg für Studierende der Naturwissenschaften / $c von Kenny Choo, Eliska Greplova, Mark H. Fischer, Titus Neupert.
250 $a 1st ed. 2020.
264 1 $a Wiesbaden : $b Springer Fachmedien Wiesbaden : $b Imprint: Springer Spektrum, $c 2020.
300 $a VIII, 71 S. 24 Abb. $b online resource.
336 $a text $b txt $2 rdacontent
337 $a computer $b c $2 rdamedia
338 $a online resource $b cr $2 rdacarrier
347 $a text file $b PDF $2 rda
490 1 $a essentials, $x 2197-6708
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.
650 2 4 $a Statistics for Engineering, Physics, Computer Science, Chemistry and Earth Sciences. $3 782247
650 2 4 $a Machine Learning. $3 1137723
650 1 4 $a Theoretical, Mathematical and Computational Physics. $3 768900
650 0 $a Statistics . $3 1253516
650 0 $a Machine learning. $3 561253
650 0 $a Mathematical physics. $3 527831
700 1 $a Neupert, Titus. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1328309
700 1 $a Fischer, Mark H. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1328308
700 1 $a Greplova, Eliska. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1328307
710 2 $a SpringerLink (Online service) $3 593884
773 0 $t Springer Nature eBook
776 0 8 $i Printed edition: $z 9783658322670
830 0 $a essentials, $x 2197-6708 $3 1253503
856 4 0 $u https://doi.org/10.1007/978-3-658-32268-7
912 $a ZDB-2-SNA
950 $a Life Science and Basic Disciplines (German Language) (SpringerNature-11777)