Kenny Choo, Eliska Greplova, Mark H. Fischer, Titus Neupert

Machine Learning kompakt (eBook, PDF)

Ein Einstieg für Studierende der Naturwissenschaften

• Format: PDF

Produktbeschreibung

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.

---

Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.

Produktdetails

• Verlag: Springer Fachmedien Wiesbaden
• Seitenzahl: 71
• Erscheinungstermin: 19. Januar 2021
• Deutsch
• ISBN-13: 9783658322687
• Artikelnr.: 60958969

Autorenporträt

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.

Inhaltsangabe

Einführung. - Maschinelles Lernen ohne neuronale Netzwerke. - Neuronale Netzwerke und überwachtes Lernen. - Unüberwachtes Lernen. - Interpretierbarkeit von neuronalen Netzwerken. - Schlusskommentare.