Statistisches und maschinelles Lernen: Gängige Verfahren im Überblick
Kurzinformation
inkl. MwSt. Versandinformationen
Artikel zZt. nicht lieferbar
Artikel zZt. nicht lieferbar

Beschreibung
"Statistisches und maschinelles Lernen: Gängige Verfahren im Überblick" von Stefan Richter bietet eine umfassende Einführung in die grundlegenden Methoden und Konzepte des statistischen und maschinellen Lernens. Das Buch richtet sich sowohl an Studierende als auch an Fachleute, die ein tieferes Verständnis für diese Bereiche entwickeln möchten. Es behandelt zentrale Themen wie lineare Regression, Klassifikationsverfahren, Clustering-Methoden und neuronale Netze. Darüber hinaus werden praxisnahe Beispiele und Anwendungen präsentiert, um den Lesern zu helfen, theoretische Konzepte in reale Problemlösungen umzusetzen. Durch seine klare Struktur und verständliche Darstellung dient das Werk als wertvolle Ressource für alle, die sich mit den aktuellen Techniken der Datenanalyse auseinandersetzen wollen.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
Dr. Stefan Richter studierte und promovierte an der Universität Heidelberg. Im Anschluss hatte er eine Vertretungsprofessur am Institut für Mathematische Stochastik der TU Braunschweig inne, in deren Rahmen er unter anderem statistisches und maschinelles Lernen für Mathematiker lehrte. Derzeit ist er Postdoc der Arbeitsgruppe Statistik stochastischer Prozesse in Heidelberg.
- paperback
- 380 Seiten
- Erschienen 2019
- Springer
- Gebunden
- 738 Seiten
- Erschienen 2011
- Springer
- Kartoniert
- 292 Seiten
- Erschienen 2020
- O'Reilly
- Kartoniert
- 198 Seiten
- Erschienen 2019
- O'Reilly
- Hardcover -
- Erschienen 2006
- Springer
- Kartoniert
- 248 Seiten
- Erschienen 1996
- Physica
- Gebunden
- 360 Seiten
- Erschienen 2021
- Carl Hanser Verlag GmbH & C...
- paperback
- 250 Seiten
- Erschienen 2004
- Springer
- paperback
- 697 Seiten
- Erschienen 2021
- Springer




