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
Auflage
Sprache
Verlagsort
Verlagsgruppe
Zielgruppe
Für höhere Schule und Studium
Illustrationen
68
68 s/w Abbildungen
XXIII, 314 S. 68 Abb.
Maße
Höhe: 235 mm
Breite: 155 mm
Dicke: 18 mm
Gewicht
ISBN-13
978-3-662-63488-2 (9783662634882)
DOI
10.1007/978-3-662-63489-9
Schweitzer Klassifikation
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.
Einführung.- Elemente der Datenorganisation.- Deskriptive Statistik.- Wahrscheinlichkeitstheorie.- Inferenzstatistik.- Multivariate Statistik.- Überwachtes maschinelles Lernen.- Unüberwachtes maschinelles Lernen.- Maschinelles Lernen in der Anwendung.- Ergänzende Literatur.- Sachverzeichnis.
