Machine Learning kompakt : ein Einstieg für Studierende der Naturwissenschaften

Bibliographische Detailangaben

Titel
Machine Learning kompakt ein Einstieg für Studierende der Naturwissenschaften
verantwortlich
Neupert, Titus (VerfasserIn); Greplova, Eliska (VerfasserIn); Fischer, Mark H. (VerfasserIn)
veröffentlicht
Wiesbaden: Springer Spektrum, 2021
©2020
Erscheinungsjahr
2021
Teil von
Essentials
Erscheint auch als
Choo, Kenny, Machine Learning kompakt, Wiesbaden : Springer Spektrum, 2020, VIII, 71 Seiten
Andere Ausgaben
Machine Learning kompakt: ein Einstieg für Studierende der Naturwissenschaften
Medientyp
E-Book
Datenquelle
K10plus Verbundkatalog
Tags
Tag hinzufügen

Zugang

Weitere Informationen sehen Sie, wenn Sie angemeldet sind. Noch keinen Account? Jetzt registrieren.

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 
openURL url_ver=Z39.88-2004&ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fkatalog.fid-bbi.de%3Agenerator&rft.title=Machine+Learning+kompakt%3A+ein+Einstieg+f%C3%BCr+Studierende+der+Naturwissenschaften&rft.date=2021&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Abook&rft.genre=book&rft.btitle=Machine+Learning+kompakt%3A+ein+Einstieg+f%C3%BCr+Studierende+der+Naturwissenschaften&rft.series=Essentials&rft.au=Neupert%2C+Titus&rft.pub=Springer+Spektrum&rft.edition=&rft.isbn=3658322683
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