國立虎尾科技大學 |

Data Science = Grundlagen, Statistik und maschinelles Lernen /

紀錄類型:	書目-語言資料,印刷品 : Monograph/item
正題名/作者:	Data Science/ von Matthias Plaue.
其他題名:	Grundlagen, Statistik und maschinelles Lernen /
作者:	Plaue, Matthias.
面頁冊數:	XXIII, 314 S. 68 Abb.online resource. :
Contained By:	Springer Nature eBook
標題:	Statistics, general. -
電子資源:	https://doi.org/10.1007/978-3-662-63489-9
ISBN:	9783662634899

Data Science = Grundlagen, Statistik und maschinelles Lernen /
Plaue, Matthias.

Data ScienceGrundlagen, Statistik und maschinelles Lernen /[electronic resource] :von Matthias Plaue. - 1st ed. 2021. - XXIII, 314 S. 68 Abb.online resource.

Einführung -- Elemente der Datenorganisation -- Deskriptive Statistik -- Wahrscheinlichkeitstheorie -- Inferenzstatistik -- Multivariate Statistik -- Überwachtes maschinelles Lernen -- Unüberwachtes maschinelles Lernen -- Maschinelles Lernen in der Anwendung -- Ergänzende Literatur -- Sachverzeichnis.

Dieses Lehrbuch bietet eine gut verständliche Einführung in mathematische Konzepte und algorithmische Verfahren, die der Data Science zugrunde liegen. Es deckt hierfür wesentliche Teile der Datenorganisation, der deskriptiven und inferenziellen Statistik, der Wahrscheinlichkeitstheorie und des maschinellen Lernens ab. Das Werk ermöglicht den Leserinnen und Lesern ein tiefes und grundlegendes Verständnis der Konzepte durch klare und mathematisch fundierte Vermittlung der Inhalte. Darüber hinaus stellt es durch zahlreiche, anhand realer Daten erstellter Anwendungsbeispiele einen starken Praxisbezug her. Dadurch ist es besonders für Lehrende und Studierende an technischen Hochschulen geeignet, bietet aber auch Quereinsteigenden mit mathematischem Grundwissen einen guten Einstieg und Überblick. Der Inhalt Elemente der Datenorganisation - Deskriptive Statistik - Wahrscheinlichkeitstheorie - Inferenzstatistik - Multivariate Statistik - Überwachtes maschinelles Lernen - Unüberwachtes maschinelles Lernen - Maschinelles Lernen in der Anwendung Der Autor Matthias Plaue arbeitet als Data Scientist und nutzt mathematische Methoden in täglicher Praxis für die Umsetzung von Algorithmen im Bereich der Datenanalyse und künstlichen Intelligenz. Neben der Forschung in seinen Interessengebieten hat er viele Jahre intensiv Studierende beim Verstehen von Mathematik unterstützt.

ISBN: 9783662634899

Standard No.: 10.1007/978-3-662-63489-9doiSubjects--Topical Terms:

671463
Statistics, general.

LC Class. No.: QA76.9.D35

Dewey Class. No.: 005.73

Data Science = Grundlagen, Statistik und maschinelles Lernen /
LDR:02948nam a22003735i 4500 001 1056101
003 DE-He213
005 20211013131808.0
007 cr nn 008mamaa
008 220103s2021 gw | s |||| 0|ger d
020 $a 9783662634899 $9 978-3-662-63489-9
024 7 $a 10.1007/978-3-662-63489-9 $2 doi
035 $a 978-3-662-63489-9
050 4 $a QA76.9.D35
050 4 $a Q350-390
072 7 $a UMB $2 bicssc
072 7 $a COM031000 $2 bisacsh
072 7 $a UMB $2 thema
072 7 $a GPF $2 thema
082 0 4 $a 005.73 $2 23
100 1 $a Plaue, Matthias. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1297423
245 1 0 $a Data Science $h [electronic resource] : $b Grundlagen, Statistik und maschinelles Lernen / $c von Matthias Plaue.
250 $a 1st ed. 2021.
264 1 $a Berlin, Heidelberg : $b Springer Berlin Heidelberg : $b Imprint: Springer Spektrum, $c 2021.
300 $a XXIII, 314 S. 68 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
505 0 $a Einführung -- Elemente der Datenorganisation -- Deskriptive Statistik -- Wahrscheinlichkeitstheorie -- Inferenzstatistik -- Multivariate Statistik -- Überwachtes maschinelles Lernen -- Unüberwachtes maschinelles Lernen -- Maschinelles Lernen in der Anwendung -- Ergänzende Literatur -- Sachverzeichnis.
520 $a Dieses Lehrbuch bietet eine gut verständliche Einführung in mathematische Konzepte und algorithmische Verfahren, die der Data Science zugrunde liegen. Es deckt hierfür wesentliche Teile der Datenorganisation, der deskriptiven und inferenziellen Statistik, der Wahrscheinlichkeitstheorie und des maschinellen Lernens ab. Das Werk ermöglicht den Leserinnen und Lesern ein tiefes und grundlegendes Verständnis der Konzepte durch klare und mathematisch fundierte Vermittlung der Inhalte. Darüber hinaus stellt es durch zahlreiche, anhand realer Daten erstellter Anwendungsbeispiele einen starken Praxisbezug her. Dadurch ist es besonders für Lehrende und Studierende an technischen Hochschulen geeignet, bietet aber auch Quereinsteigenden mit mathematischem Grundwissen einen guten Einstieg und Überblick. Der Inhalt Elemente der Datenorganisation - Deskriptive Statistik - Wahrscheinlichkeitstheorie - Inferenzstatistik - Multivariate Statistik - Überwachtes maschinelles Lernen - Unüberwachtes maschinelles Lernen - Maschinelles Lernen in der Anwendung Der Autor Matthias Plaue arbeitet als Data Scientist und nutzt mathematische Methoden in täglicher Praxis für die Umsetzung von Algorithmen im Bereich der Datenanalyse und künstlichen Intelligenz. Neben der Forschung in seinen Interessengebieten hat er viele Jahre intensiv Studierende beim Verstehen von Mathematik unterstützt.
650 2 4 $a Statistics, general. $3 671463
650 2 4 $a Artificial Intelligence. $3 646849
650 1 4 $a Data Structures and Information Theory. $3 1211601
650 0 $a Statistics . $3 1253516
650 0 $a Artificial intelligence. $3 559380
650 0 $a Data structures (Computer science). $3 680370
710 2 $a SpringerLink (Online service) $3 593884
773 0 $t Springer Nature eBook
776 0 8 $i Printed edition: $z 9783662634882
856 4 0 $u https://doi.org/10.1007/978-3-662-63489-9
912 $a ZDB-2-STI
950 $a Computer Science and Engineering (German Language) (SpringerNature-11774)