Cantitate/Preț
Produs

Maschinelle Lernmethoden für Klassifizierungsprobleme: Perspektiven für die mathematische Modellierung mit Schülerinnen und Schülern: BestMasters

Autor Sarah Schönbrodt
de Limba Germană Paperback – 23 ian 2019
Sarah Schönbrodt gibt Einblick in die mathematischen Hintergründe der Support Vector Machine und einer auf der Singulärwertzerlegung basierenden Klassifizierungsmethode. Die Autorin stellt fest, dass sich hinter beiden Methoden elementar-mathematische und anschauliche Konzepte verbergen, die großteils mit Schulmathematik zugänglich sind. Schülerinnen und Schülern wird aufgrund der großen Anwendungsbreite für verschiedene lebensnahe Fragestellungen ein verständlicher Zugang zu Problemlösestrategien des aktuell höchst relevanten maschinellen Lernens gegeben. Perspektiven für die methodisch-didaktische Gestaltung eines Workshops zur mathematischen Modellierung werden aufgezeigt.
Citește tot Restrânge

Din seria BestMasters

Preț: 30417 lei

Nou

Puncte Express: 456

Preț estimativ în valută:
5822 6105$ 4811£

Carte tipărită la comandă

Livrare economică 29 ianuarie-12 februarie 25

Preluare comenzi: 021 569.72.76

Specificații

ISBN-13: 9783658251369
ISBN-10: 3658251360
Pagini: 116
Ilustrații: XIII, 99 S. 1 Abb.
Dimensiuni: 148 x 210 x 6 mm
Greutate: 0.15 kg
Ediția:1. Aufl. 2019
Editura: Springer Fachmedien Wiesbaden
Colecția Springer Spektrum
Seria BestMasters

Locul publicării:Wiesbaden, Germany

Cuprins

Klassifizierung auf Basis maschineller Lernalgorithmen.- Mathematische Hintergründe zweier maschineller Lernmethoden.- Anwendung zweier maschineller Lernmethoden zur Bildklassifizierung.- Maschinelles Lernen in der mathematischen Modellierung mit Schülerinnen und Schülern.

Notă biografică

Nach erfolgreichem Abschluss ihres Masterstudiums promoviert Sarah Schönbrodt im Bereich der Entwicklung von authentischen Modellierungsaufgaben für Schülerinnen und Schüler an der RWTH Aachen. Sie ist zugleich in der Organisation und Gestaltung des Schülerlabors CAMMP für Mathematische Modellierung tätig.

Textul de pe ultima copertă

Sarah Schönbrodt gibt Einblick in die mathematischen Hintergründe der Support Vector Machine und einer auf der Singulärwertzerlegung basierenden Klassifizierungsmethode. Die Autorin stellt fest, dass sich hinter beiden Methoden elementar-mathematische und anschauliche Konzepte verbergen, die großteils mit Schulmathematik zugänglich sind. Schülerinnen und Schülern wird aufgrund der großen Anwendungsbreite für verschiedene lebensnahe Fragestellungen ein verständlicher Zugang zu Problemlösestrategien des aktuell höchst relevanten maschinellen Lernens gegeben. Perspektiven für die methodisch-didaktische Gestaltung eines Workshops zur mathematischen Modellierung werden aufgezeigt.

Der Inhalt
  • Klassifizierung auf Basis maschineller Lernalgorithmen
  • Mathematische Hintergründe zweier maschineller Lernmethoden
  • Anwendung zweier maschineller Lernmethoden zur Bildklassifizierung
  • Maschinelles Lernen inder mathematischen Modellierung mit Schülerinnen und Schülern
Die Zielgruppen
  • Dozierende und Studierende der Mathematikdidaktik und Mathematik
  • Angehende Lehrerinnen und Lehrer der Mathematik und Informatik
Die Autorin
Nach erfolgreichem Abschluss ihres Masterstudiums promoviert Sarah Schönbrodt im Bereich der Entwicklung von authentischen Modellierungsaufgaben für Schülerinnen und Schüler an der RWTH Aachen. Sie ist zugleich in der Organisation und Gestaltung des Schülerlabors CAMMP für Mathematische Modellierung tätig.


Caracteristici

Eine Studie aus der Mathematikdidaktik