دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: ریاضیات ویرایش: نویسندگان: Sarah Schönbrodt سری: BestMasters ISBN (شابک) : 9783658251369 ناشر: Springer سال نشر: 2019 تعداد صفحات: 110 زبان: German فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب Maschinelle Lernmethoden für Klassifizierungsprobleme: Perspektiven für die mathematische Modellierung mit Schülerinnen und Schülern به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب روشهای یادگیری ماشین برای مسائل طبقهبندی: چشمانداز مدلسازی ریاضی با دانشآموزان دبیرستانی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
سارا شونبرود بینشی در مورد پسزمینه ریاضی ماشین بردار پشتیبان و یک روش طبقهبندی بر اساس تجزیه مقدار منفرد ارائه میدهد. نویسنده بیان می کند که در پشت هر دو روش مفاهیم ابتدایی ریاضی و توصیفی وجود دارد که بیشتر با ریاضیات مدرسه قابل دسترسی هستند. با توجه به طیف گسترده ای از برنامه های کاربردی برای مسائل مختلف زندگی واقعی، به دانش آموزان دسترسی قابل درک به استراتژی های حل مسئله یادگیری ماشین داده می شود، که در حال حاضر بسیار مرتبط است. دیدگاههایی برای طراحی روشی-آموزشی کارگاهی در مورد مدلسازی ریاضی نشان داده شده است.
Sarah Schönbrodt gibt Einblick in die mathematischen Hintergründe der Support Vector Machine und einer auf der Singulärwertzerlegung basierenden Klassifizierungsmethode. Die Autorin stellt fest, dass sich hinter beiden Methoden elementar-mathematische und anschauliche Konzepte verbergen, die großteils mit Schulmathematik zugänglich sind. Schülerinnen und Schülern wird aufgrund der großen Anwendungsbreite für verschiedene lebensnahe Fragestellungen ein verständlicher Zugang zu Problemlösestrategien des aktuell höchst relevanten maschinellen Lernens gegeben. Perspektiven für die methodisch-didaktische Gestaltung eines Workshops zur mathematischen Modellierung werden aufgezeigt.
Front Matter ....Pages I-XIII
Motivation (Sarah Schönbrodt)....Pages 1-4
Klassifizierung auf Basis maschineller Lernalgorithmen (Sarah Schönbrodt)....Pages 5-8
Mathematische Hintergründe zweier Methoden zur Bildklassifzierung (Sarah Schönbrodt)....Pages 9-52
Anwendung in der Bildklassifzierung (Sarah Schönbrodt)....Pages 53-68
Maschinelles Lernen in der mathematischen Modellierung mit Schülerinnen und Schülern (Sarah Schönbrodt)....Pages 69-89
Ausblick (Sarah Schönbrodt)....Pages 91-94
Back Matter ....Pages 95-99