Mathematik für Informatik und Data Science: Eine fundierte Einführung in Logik, Analysis, Lineare Algebra und Stochastik für Künstliche Intelligenz und Maschinelles Lernen: Studienbücher Informatik
Autor Andreas Knoblauchde Limba Germană Paperback – 16 sep 2024
Preț: 260.25 lei
Preț vechi: 325.32 lei
-20% Nou
Puncte Express: 390
Preț estimativ în valută:
49.80€ • 52.39$ • 41.23£
49.80€ • 52.39$ • 41.23£
Carte nepublicată încă
Doresc să fiu notificat când acest titlu va fi disponibil:
Se trimite...
Preluare comenzi: 021 569.72.76
Specificații
ISBN-13: 9783662694787
ISBN-10: 3662694786
Pagini: 400
Ilustrații: Etwa 400 S. 50 Abb.
Dimensiuni: 168 x 240 mm
Ediția:2024
Editura: Springer Berlin, Heidelberg
Colecția Springer Vieweg
Seria Studienbücher Informatik
Locul publicării:Berlin, Heidelberg, Germany
ISBN-10: 3662694786
Pagini: 400
Ilustrații: Etwa 400 S. 50 Abb.
Dimensiuni: 168 x 240 mm
Ediția:2024
Editura: Springer Berlin, Heidelberg
Colecția Springer Vieweg
Seria Studienbücher Informatik
Locul publicării:Berlin, Heidelberg, Germany
Cuprins
1. Mathematische und logische Grundlagen.- 2. Rechnen in Körpern.- 3. Grenzwerte von Folgen und Reihen.- 4. Rationale Funktionen und Stetigkeit.- 5. Differentialrechnung.- 6. Integration.- 7. Die komplexe Exponentialfunktion und die trigonometrischen Funktionen.- 8.Vektorrechnung und Lineare Algebra.- 9. Fortgeschrittene Methoden der Linearen Algebra.- 10. Mehrdimensionale Differentialrechnung.- 11. Kombinatorik und Wahrscheinlichkeitsrechnung.
Notă biografică
Andreas Knoblauch ist Professor für Informatik an der Hochschule Albstadt-Sigmaringen. Er unterrichtet dort in den Studiengängen Technische Informatik, IT-Security, Wirtschaftsinformatik, Systems Engineering und Data Science unter anderem Mathematik, Intelligente Systeme, Maschinelles Lernen und Mustererkennung. Daneben forscht er im Bereich Bildverarbeitung, Objekterkennung, Neuronale Netze, Neuromorphe Assoziativspeicher und Selbstreferentielles Autonomes Lernen.
Textul de pe ultima copertă
Dieses Buch liefert eine kompakte aber fundierte Darstellung der wichtigsten Gebiete der Mathematik für Informatik, die insbesondere für Data Science, Künstliche Intelligenz und Maschinelles Lernen notwendig sind. Inhaltlich gehören dazu Grundlagen zu Logik und Beweisen, ein- und mehrdimensionale Analysis mit Differential- und Integralrechnung, Lineare Algebra mit Vektor- und Matrixrechnung, linearen Gleichungssystemen, Koordinatentransformationen, Eigenvektoren sowie Wahrscheinlichkeitsrechnung mit Grundlagen der Kombinatorik, Statistik und Informationstheorie. Trotz der kompakten Darstellung werden alle Konzepte und Sätze sorgfältig eingeführt und bewiesen. Nichts soll vom Himmel fallen, sondern aus Axiomen und elementaren Prinzipien hergeleitet werden. Ziel ist es beim Studierenden das befriedigende Gefühl zu erzeugen, alles von Grund auf verstanden zu haben, und nichts nur „glauben“ zu müssen.
Der Inhalt
Andreas Knoblauch ist Professor für Informatik an der Hochschule Albstadt-Sigmaringen. Er unterrichtet dort in den Studiengängen Technische Informatik, IT-Security, Wirtschaftsinformatik, Systems Engineering und Data Science unter anderem Mathematik, Intelligente Systeme, Maschinelles Lernen und Mustererkennung. Daneben forscht er im Bereich Bildverarbeitung, Objekterkennung, Neuronale Netze, Neuromorphe Assoziativspeicher und Selbstreferentielles Autonomes Lernen.
Der Inhalt
- Mathematische und logische Grundlagen
- Rechnen in Körpern
- Grenzwerte von Folgen und Reihen
- Rationale Funktionen und Stetigkeit
- Differentialrechnung
- Integration
- Die komplexe Exponentialfunktion und die trigonometrischen Funktionen
- Vektorrechnung und Lineare Algebra
- Fortgeschrittene Methoden der Linearen Algebra
- Mehrdimensionale Differentialrechnung
- Kombinatorik und Wahrscheinlichkeitsrechnung
Andreas Knoblauch ist Professor für Informatik an der Hochschule Albstadt-Sigmaringen. Er unterrichtet dort in den Studiengängen Technische Informatik, IT-Security, Wirtschaftsinformatik, Systems Engineering und Data Science unter anderem Mathematik, Intelligente Systeme, Maschinelles Lernen und Mustererkennung. Daneben forscht er im Bereich Bildverarbeitung, Objekterkennung, Neuronale Netze, Neuromorphe Assoziativspeicher und Selbstreferentielles Autonomes Lernen.
Caracteristici
Beinhaltet die notwendige Mathematik für Informatik, insbesondere für Data Science und künstliche Intelligenz Begleitbuch für kompakte Grundlagen-Vorlesungen der Mathematik - Referenz für Kurse über Lernende Systeme Mit Aufgaben und Online-Musterlösungen