國立虎尾科技大學 |

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

Record Type:	Language materials, printed : Monograph/item
Title/Author:	Statistik und maschinelles Lernen/ von Mathias Trabs, Moritz Jirak, Konstantin Krenz, Markus Reiß.
Reminder of title:	Eine mathematische Einführung in klassische und moderne Methoden /
Author:	Trabs, Mathias.
other author:	Jirak, Moritz.
Description:	XII, 263 S. 32 Abb., 23 Abb. in Farbe.online resource. :
Contained By:	Springer Nature eBook
Subject:	Statistics . -
Online resource:	https://doi.org/10.1007/978-3-662-62938-3
ISBN:	9783662629383

Statistik und maschinelles Lernen = Eine mathematische Einführung in klassische und moderne Methoden /
Trabs, Mathias.

Statistik und maschinelles LernenEine mathematische Einführung in klassische und moderne Methoden /[electronic resource] :von Mathias Trabs, Moritz Jirak, Konstantin Krenz, Markus Reiß. - 1st ed. 2021. - XII, 263 S. 32 Abb., 23 Abb. in Farbe.online resource.

Grundlagen der Statistik -- Das lineare Modell -- Effizienz und Exponentialfamilien -- Modellwahl -- Klassifikation -- ANHANG -- Konzepte der Wahrscheinlichkeitstheorie.

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.

ISBN: 9783662629383

Standard No.: 10.1007/978-3-662-62938-3doiSubjects--Topical Terms:

1253516
Statistics .

LC Class. No.: QA276-280

Dewey Class. No.: 519.5

Statistik und maschinelles Lernen = Eine mathematische Einführung in klassische und moderne Methoden /
LDR:03277nam a22003495i 4500 001 1055918
003 DE-He213
005 20210624040251.0
007 cr nn 008mamaa
008 220103s2021 gw | s |||| 0|ger d
020 $a 9783662629383 $9 978-3-662-62938-3
024 7 $a 10.1007/978-3-662-62938-3 $2 doi
035 $a 978-3-662-62938-3
050 4 $a QA276-280
072 7 $a PBT $2 bicssc
072 7 $a MAT029000 $2 bisacsh
072 7 $a PBT $2 thema
082 0 4 $a 519.5 $2 23
100 1 $a Trabs, Mathias. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1361209
245 1 0 $a Statistik und maschinelles Lernen $h [electronic resource] : $b Eine mathematische Einführung in klassische und moderne Methoden / $c von Mathias Trabs, Moritz Jirak, Konstantin Krenz, Markus Reiß.
250 $a 1st ed. 2021.
264 1 $a Berlin, Heidelberg : $b Springer Berlin Heidelberg : $b Imprint: Springer Spektrum, $c 2021.
300 $a XII, 263 S. 32 Abb., 23 Abb. in Farbe. $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
505 0 $a Grundlagen der Statistik -- Das lineare Modell -- Effizienz und Exponentialfamilien -- Modellwahl -- Klassifikation -- ANHANG -- Konzepte der Wahrscheinlichkeitstheorie.
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.
650 0 $a Statistics . $3 1253516
650 1 4 $a Statistical Theory and Methods. $3 671396
650 2 4 $a Statistics and Computing/Statistics Programs. $3 669775
650 2 4 $a Applied Statistics. $3 1205141
700 1 $a Jirak, Moritz. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1361210
700 1 $a Krenz, Konstantin. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1361211
700 1 $a Reiß, Markus. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1254890
710 2 $a SpringerLink (Online service) $3 593884
773 0 $t Springer Nature eBook
776 0 8 $i Printed edition: $z 9783662629376
856 4 0 $u https://doi.org/10.1007/978-3-662-62938-3
912 $a ZDB-2-SNA
950 $a Life Science and Basic Disciplines (German Language) (SpringerNature-11777)