|
|
|
|
LEADER |
04454cam a2200637 4500 |
001 |
183-1807786242 |
003 |
DE-627 |
005 |
20240419130533.0 |
007 |
cr uuu---uuuuu |
008 |
220624s2021 xx |||||o 00| ||ger c |
020 |
|
|
|a 9783658322687
|9 978-3-658-32268-7
|
035 |
|
|
|a (DE-627)1807786242
|
035 |
|
|
|a (DE-599)KEP061170755
|
035 |
|
|
|a (EBC)EBC6460394
|
035 |
|
|
|a (EBL)EBL6460394
|
035 |
|
|
|a (EBP)061170755
|
040 |
|
|
|a DE-627
|b ger
|c DE-627
|e rda
|
041 |
|
|
|a ger
|
082 |
0 |
|
|a 004
|
082 |
0 |
|
|a 500
|
082 |
0 |
|
|a 006.31
|
084 |
|
|
|a ST 300
|q SEPA
|2 rvk
|0 (DE-625)rvk/143650:
|
084 |
|
|
|a 54.72
|2 bkl
|
100 |
1 |
|
|a Neupert, Titus
|d 1985-
|e VerfasserIn
|0 (DE-588)1178458105
|0 (DE-627)104938685X
|0 (DE-576)517787970
|4 aut
|
245 |
1 |
0 |
|a Machine Learning kompakt
|b ein Einstieg für Studierende der Naturwissenschaften
|c Kenny Choo, Eliska Greplova, Mark H. Fischer, Titus Neupert
|
264 |
|
1 |
|a Wiesbaden
|b Springer Spektrum
|c 2021
|
264 |
|
4 |
|c ©2020
|
300 |
|
|
|a 1 Online-Ressource (76 pages)
|
336 |
|
|
|a Text
|b txt
|2 rdacontent
|
337 |
|
|
|a Computermedien
|b c
|2 rdamedia
|
338 |
|
|
|a Online-Ressource
|b cr
|2 rdacarrier
|
490 |
0 |
|
|a Essentials
|
500 |
|
|
|a Description based on publisher supplied metadata and other sources
|
520 |
|
|
|a Intro -- Was Sie in diesem essential finden können -- Inhaltsverzeichnis -- 1 Einführung -- 2 Maschinelles Lernen ohne neuronale Netzwerke -- 2.1 Hauptkomponentenanalyse -- 2.1.1 HKA Algorithmus -- 2.1.2 Kernbasierte HKA -- 2.2 Lineare Methoden des überwachten Lernens -- 2.2.1 Lineare Regression -- 2.2.2 Lineare Klassifikationsmethode -- 3 Neuronale Netzwerke und überwachtes Lernen -- 3.1 Ein Neuron als Funktion -- 3.2 Ein einfaches neuronales Netz -- 3.3 Training -- 3.4 Ein elementares Beispiel: MNIST -- 3.5 Regularisierung -- 3.6 Convolutional Neural Networks -- 3.6.1 Der Convolutional Layer -- 3.6.2 Pooling -- 3.6.3 Beispiel: DNA-Klassifizierung -- 3.6.4 Beispiel: Fortgeschrittenes MNIST -- 3.7 Rekurrentes neuronales Netz -- 4 Unüberwachtes Lernen -- 4.1 Begrenzte Boltzmann-Maschinen -- 4.1.1 Training eines RBM -- 4.1.2 Beispiel: Bildrekonstruktion/Rauschentfernung -- 4.2 Ein RNN unüberwacht trainieren -- 4.3 Autoencoder -- 4.3.1 Variationelle Autoencoder -- 4.4 Generative Adversarial Networks -- 5 Interpretierbarkeit von neuronalen Netzwerken -- 5.1 Dreaming und das Extrapolationsproblem -- 5.2 Rauschanfälligkeit von Netzwerken -- 5.3 Autoencoder interpretieren -- 6 Schlusskommentare -- Was Sie aus diesem essential mitnehmen können -- Bibliotheken für maschinelles Lernen.
|
650 |
|
0 |
|a Mathematical physics
|2 DE-289
|
650 |
|
0 |
|a Statistics
|2 DE-289
|
650 |
|
0 |
|a Machine learning
|2 DE-289
|
650 |
|
0 |
|a Neural networks (Computer science)
|
650 |
|
4 |
|a Electronic books
|
689 |
0 |
0 |
|D s
|0 (DE-588)4193754-5
|0 (DE-627)105224782
|0 (DE-576)21008944X
|a Maschinelles Lernen
|2 gnd
|
689 |
0 |
1 |
|D s
|0 (DE-588)4033447-8
|0 (DE-627)106257188
|0 (DE-576)209002050
|a Künstliche Intelligenz
|2 gnd
|
689 |
0 |
|
|5 (DE-627)
|
700 |
1 |
|
|a Greplova, Eliska
|e VerfasserIn
|4 aut
|
700 |
1 |
|
|a Fischer, Mark H.
|d 1980-
|e VerfasserIn
|0 (DE-588)1116512270
|0 (DE-627)871193426
|0 (DE-576)478443765
|4 aut
|
700 |
1 |
|
|a Neupert, Titus
|d 1985-
|e VerfasserIn
|0 (DE-588)1178458105
|0 (DE-627)104938685X
|0 (DE-576)517787970
|4 aut
|
776 |
1 |
|
|z 9783658322670
|
776 |
0 |
8 |
|i Erscheint auch als
|n Druck-Ausgabe
|a Choo, Kenny
|t Machine Learning kompakt
|d Wiesbaden : Springer Spektrum, 2020
|h VIII, 71 Seiten
|w (DE-627)1735621692
|z 9783658322670
|z 3658322675
|
856 |
4 |
0 |
|u https://ebookcentral.proquest.com/lib/kxp/detail.action?docID=6460394
|m X:EBC
|x Aggregator
|z lizenzpflichtig
|
912 |
|
|
|a ZDB-30-PQE
|
924 |
1 |
|
|a 4158362601
|b DE-8
|9 8
|c GBV
|d d
|k https://ebookcentral.proquest.com/lib/christianalbrechts/detail.action?docID=6460394
|
924 |
1 |
|
|a 4158242657
|b DE-Brg3
|9 Brg 3
|c GBV
|d d
|g Online-Ressource
|k https://thh-friedensau.idm.oclc.org/login?url=http://ebookcentral.proquest.com/lib/thhfriedensau/detail.action?docID=6460394
|
924 |
1 |
|
|a 4156270556
|b DE-289
|9 289
|c BSZ
|d d
|k https://ebookcentral.proquest.com/lib/kiz-uniulm/detail.action?docID=6460394
|l Zum Online-Dokument
|l nur aus dem Campusnetz erreichbar
|
936 |
r |
v |
|a ST 300
|b Allgemeines
|k Informatik
|k Monografien
|k Künstliche Intelligenz
|k Allgemeines
|0 (DE-627)1271119005
|0 (DE-625)rvk/143650:
|0 (DE-576)201119005
|
936 |
b |
k |
|a 54.72
|j Künstliche Intelligenz
|q SEPA
|0 (DE-627)10641240X
|
951 |
|
|
|a BO
|
980 |
|
|
|a 1807786242
|b 183
|c sid-183-col-kxpbbi
|
SOLR
_version_ |
1799238491193737216 |
author |
Neupert, Titus, Greplova, Eliska, Fischer, Mark H., Neupert, Titus |
author_facet |
Neupert, Titus, Greplova, Eliska, Fischer, Mark H., Neupert, Titus |
author_role |
aut, aut, aut, aut |
author_sort |
Neupert, Titus 1985- |
author_variant |
t n tn, e g eg, m h f mh mhf, t n tn |
building |
Library A |
collection |
ZDB-30-PQE, sid-183-col-kxpbbi |
contents |
Intro -- Was Sie in diesem essential finden können -- Inhaltsverzeichnis -- 1 Einführung -- 2 Maschinelles Lernen ohne neuronale Netzwerke -- 2.1 Hauptkomponentenanalyse -- 2.1.1 HKA Algorithmus -- 2.1.2 Kernbasierte HKA -- 2.2 Lineare Methoden des überwachten Lernens -- 2.2.1 Lineare Regression -- 2.2.2 Lineare Klassifikationsmethode -- 3 Neuronale Netzwerke und überwachtes Lernen -- 3.1 Ein Neuron als Funktion -- 3.2 Ein einfaches neuronales Netz -- 3.3 Training -- 3.4 Ein elementares Beispiel: MNIST -- 3.5 Regularisierung -- 3.6 Convolutional Neural Networks -- 3.6.1 Der Convolutional Layer -- 3.6.2 Pooling -- 3.6.3 Beispiel: DNA-Klassifizierung -- 3.6.4 Beispiel: Fortgeschrittenes MNIST -- 3.7 Rekurrentes neuronales Netz -- 4 Unüberwachtes Lernen -- 4.1 Begrenzte Boltzmann-Maschinen -- 4.1.1 Training eines RBM -- 4.1.2 Beispiel: Bildrekonstruktion/Rauschentfernung -- 4.2 Ein RNN unüberwacht trainieren -- 4.3 Autoencoder -- 4.3.1 Variationelle Autoencoder -- 4.4 Generative Adversarial Networks -- 5 Interpretierbarkeit von neuronalen Netzwerken -- 5.1 Dreaming und das Extrapolationsproblem -- 5.2 Rauschanfälligkeit von Netzwerken -- 5.3 Autoencoder interpretieren -- 6 Schlusskommentare -- Was Sie aus diesem essential mitnehmen können -- Bibliotheken für maschinelles Lernen. |
ctrlnum |
(DE-627)1807786242, (DE-599)KEP061170755, (EBC)EBC6460394, (EBL)EBL6460394, (EBP)061170755 |
dewey-full |
004, 500, 006.31 |
dewey-hundreds |
000 - Computer science, information, general works, 500 - Natural sciences and mathematics |
dewey-ones |
004 - Computer science, 500 - Natural sciences and mathematics, 006 - Special computer methods |
dewey-raw |
004, 500, 006.31 |
dewey-search |
004, 500, 006.31 |
dewey-sort |
14 |
dewey-tens |
000 - Computer science, information, general works, 500 - Natural sciences and mathematics |
facet_912a |
ZDB-30-PQE |
facet_avail |
Online |
facet_local_del330 |
Maschinelles Lernen, Künstliche Intelligenz |
finc_class_facet |
Informatik, Allgemeine Naturwissenschaft |
fincclass_txtF_mv |
science-computerscience, science |
footnote |
Description based on publisher supplied metadata and other sources |
format |
eBook |
format_access_txtF_mv |
Book, E-Book |
format_de105 |
Ebook |
format_de14 |
Book, E-Book |
format_de15 |
Book, E-Book |
format_del152 |
Buch |
format_detail_txtF_mv |
text-online-monograph-independent |
format_dezi4 |
e-Book |
format_finc |
Book, E-Book |
format_legacy |
ElectronicBook |
format_legacy_nrw |
Book, E-Book |
format_nrw |
Book, E-Book |
format_strict_txtF_mv |
E-Book |
geogr_code |
not assigned |
geogr_code_person |
not assigned |
id |
183-1807786242 |
illustrated |
Not Illustrated |
imprint |
Wiesbaden, Springer Spektrum, 2021 |
imprint_str_mv |
Wiesbaden: Springer Spektrum, 2021 |
institution |
FID-BBI-DE-23 |
is_hierarchy_id |
|
is_hierarchy_title |
|
isbn |
9783658322687 |
isbn_isn_mv |
9783658322670, 3658322675 |
language |
German |
last_indexed |
2024-05-16T19:25:37.39Z |
marc_error |
[geogr_code]Unable to make public java.lang.AbstractStringBuilder java.lang.AbstractStringBuilder.append(java.lang.String) accessible: module java.base does not "opens java.lang" to unnamed module @4598ee71 |
match_str |
neupert2021machinelearningkompakteineinstiegfurstudierendedernaturwissenschaften |
mega_collection |
K10plus Verbundkatalog |
physical |
1 Online-Ressource (76 pages) |
publishDate |
2021, , ©2020 |
publishDateSort |
2021 |
publishPlace |
Wiesbaden, |
publisher |
Springer Spektrum, |
record_format |
marcfinc |
record_id |
1807786242 |
recordtype |
marcfinc |
rvk_facet |
ST 300 |
rvk_label |
Informatik, Monografien, Künstliche Intelligenz, Allgemeines |
rvk_path |
ST, SQ - SU, ST 300, ST 300 - ST 308 |
rvk_path_str_mv |
ST, SQ - SU, ST 300, ST 300 - ST 308 |
series2 |
Essentials |
source_id |
183 |
spelling |
Neupert, Titus 1985- VerfasserIn (DE-588)1178458105 (DE-627)104938685X (DE-576)517787970 aut, Machine Learning kompakt ein Einstieg für Studierende der Naturwissenschaften Kenny Choo, Eliska Greplova, Mark H. Fischer, Titus Neupert, Wiesbaden Springer Spektrum 2021, ©2020, 1 Online-Ressource (76 pages), Text txt rdacontent, Computermedien c rdamedia, Online-Ressource cr rdacarrier, Essentials, Description based on publisher supplied metadata and other sources, Intro -- Was Sie in diesem essential finden können -- Inhaltsverzeichnis -- 1 Einführung -- 2 Maschinelles Lernen ohne neuronale Netzwerke -- 2.1 Hauptkomponentenanalyse -- 2.1.1 HKA Algorithmus -- 2.1.2 Kernbasierte HKA -- 2.2 Lineare Methoden des überwachten Lernens -- 2.2.1 Lineare Regression -- 2.2.2 Lineare Klassifikationsmethode -- 3 Neuronale Netzwerke und überwachtes Lernen -- 3.1 Ein Neuron als Funktion -- 3.2 Ein einfaches neuronales Netz -- 3.3 Training -- 3.4 Ein elementares Beispiel: MNIST -- 3.5 Regularisierung -- 3.6 Convolutional Neural Networks -- 3.6.1 Der Convolutional Layer -- 3.6.2 Pooling -- 3.6.3 Beispiel: DNA-Klassifizierung -- 3.6.4 Beispiel: Fortgeschrittenes MNIST -- 3.7 Rekurrentes neuronales Netz -- 4 Unüberwachtes Lernen -- 4.1 Begrenzte Boltzmann-Maschinen -- 4.1.1 Training eines RBM -- 4.1.2 Beispiel: Bildrekonstruktion/Rauschentfernung -- 4.2 Ein RNN unüberwacht trainieren -- 4.3 Autoencoder -- 4.3.1 Variationelle Autoencoder -- 4.4 Generative Adversarial Networks -- 5 Interpretierbarkeit von neuronalen Netzwerken -- 5.1 Dreaming und das Extrapolationsproblem -- 5.2 Rauschanfälligkeit von Netzwerken -- 5.3 Autoencoder interpretieren -- 6 Schlusskommentare -- Was Sie aus diesem essential mitnehmen können -- Bibliotheken für maschinelles Lernen., Mathematical physics DE-289, Statistics DE-289, Machine learning DE-289, Neural networks (Computer science), Electronic books, s (DE-588)4193754-5 (DE-627)105224782 (DE-576)21008944X Maschinelles Lernen gnd, s (DE-588)4033447-8 (DE-627)106257188 (DE-576)209002050 Künstliche Intelligenz gnd, (DE-627), Greplova, Eliska VerfasserIn aut, Fischer, Mark H. 1980- VerfasserIn (DE-588)1116512270 (DE-627)871193426 (DE-576)478443765 aut, 9783658322670, Erscheint auch als Druck-Ausgabe Choo, Kenny Machine Learning kompakt Wiesbaden : Springer Spektrum, 2020 VIII, 71 Seiten (DE-627)1735621692 9783658322670 3658322675, https://ebookcentral.proquest.com/lib/kxp/detail.action?docID=6460394 X:EBC Aggregator lizenzpflichtig |
spellingShingle |
Neupert, Titus, Greplova, Eliska, Fischer, Mark H., Neupert, Titus, Machine Learning kompakt: ein Einstieg für Studierende der Naturwissenschaften, Intro -- Was Sie in diesem essential finden können -- Inhaltsverzeichnis -- 1 Einführung -- 2 Maschinelles Lernen ohne neuronale Netzwerke -- 2.1 Hauptkomponentenanalyse -- 2.1.1 HKA Algorithmus -- 2.1.2 Kernbasierte HKA -- 2.2 Lineare Methoden des überwachten Lernens -- 2.2.1 Lineare Regression -- 2.2.2 Lineare Klassifikationsmethode -- 3 Neuronale Netzwerke und überwachtes Lernen -- 3.1 Ein Neuron als Funktion -- 3.2 Ein einfaches neuronales Netz -- 3.3 Training -- 3.4 Ein elementares Beispiel: MNIST -- 3.5 Regularisierung -- 3.6 Convolutional Neural Networks -- 3.6.1 Der Convolutional Layer -- 3.6.2 Pooling -- 3.6.3 Beispiel: DNA-Klassifizierung -- 3.6.4 Beispiel: Fortgeschrittenes MNIST -- 3.7 Rekurrentes neuronales Netz -- 4 Unüberwachtes Lernen -- 4.1 Begrenzte Boltzmann-Maschinen -- 4.1.1 Training eines RBM -- 4.1.2 Beispiel: Bildrekonstruktion/Rauschentfernung -- 4.2 Ein RNN unüberwacht trainieren -- 4.3 Autoencoder -- 4.3.1 Variationelle Autoencoder -- 4.4 Generative Adversarial Networks -- 5 Interpretierbarkeit von neuronalen Netzwerken -- 5.1 Dreaming und das Extrapolationsproblem -- 5.2 Rauschanfälligkeit von Netzwerken -- 5.3 Autoencoder interpretieren -- 6 Schlusskommentare -- Was Sie aus diesem essential mitnehmen können -- Bibliotheken für maschinelles Lernen., Mathematical physics, Statistics, Machine learning, Neural networks (Computer science), Electronic books, Maschinelles Lernen, Künstliche Intelligenz |
title |
Machine Learning kompakt: ein Einstieg für Studierende der Naturwissenschaften |
title_auth |
Machine Learning kompakt ein Einstieg für Studierende der Naturwissenschaften |
title_full |
Machine Learning kompakt ein Einstieg für Studierende der Naturwissenschaften Kenny Choo, Eliska Greplova, Mark H. Fischer, Titus Neupert |
title_fullStr |
Machine Learning kompakt ein Einstieg für Studierende der Naturwissenschaften Kenny Choo, Eliska Greplova, Mark H. Fischer, Titus Neupert |
title_full_unstemmed |
Machine Learning kompakt ein Einstieg für Studierende der Naturwissenschaften Kenny Choo, Eliska Greplova, Mark H. Fischer, Titus Neupert |
title_short |
Machine Learning kompakt |
title_sort |
machine learning kompakt ein einstieg für studierende der naturwissenschaften |
title_sub |
ein Einstieg für Studierende der Naturwissenschaften |
title_unstemmed |
Machine Learning kompakt: ein Einstieg für Studierende der Naturwissenschaften |
topic |
Mathematical physics, Statistics, Machine learning, Neural networks (Computer science), Electronic books, Maschinelles Lernen, Künstliche Intelligenz |
topic_facet |
Mathematical physics, Statistics, Machine learning, Neural networks (Computer science), Electronic books, Maschinelles Lernen, Künstliche Intelligenz |
url |
https://ebookcentral.proquest.com/lib/kxp/detail.action?docID=6460394 |
work_keys_str_mv |
AT neuperttitus machinelearningkompakteineinstiegfurstudierendedernaturwissenschaften, AT greplovaeliska machinelearningkompakteineinstiegfurstudierendedernaturwissenschaften, AT fischermarkh machinelearningkompakteineinstiegfurstudierendedernaturwissenschaften |