Access this book
Tax calculation will be finalised at checkout
Other ways to access
Table of contents (6 chapters)
-
Front Matter
-
Back Matter
Keywords
About this book
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.
Authors and Affiliations
About the author
Nach erfolgreichem Abschluss ihres Masterstudiums promoviert Sarah Schönbrodt im Bereich der Entwicklung von authentischen Modellierungsaufgaben für Schülerinnen und Schüler an der RWTH Aachen. Sie ist zugleich in der Organisation und Gestaltung des Schülerlabors CAMMP für Mathematische Modellierung tätig.
Bibliographic Information
Book Title: Maschinelle Lernmethoden für Klassifizierungsprobleme
Book Subtitle: Perspektiven für die mathematische Modellierung mit Schülerinnen und Schülern
Authors: Sarah Schönbrodt
Series Title: BestMasters
DOI: https://doi.org/10.1007/978-3-658-25137-6
Publisher: Springer Spektrum Wiesbaden
eBook Packages: Life Science and Basic Disciplines (German Language)
Copyright Information: Der/die Herausgeber bzw. der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019
Softcover ISBN: 978-3-658-25136-9Published: 23 January 2019
eBook ISBN: 978-3-658-25137-6Published: 04 January 2019
Series ISSN: 2625-3577
Series E-ISSN: 2625-3615
Edition Number: 1
Number of Pages: XIII, 99
Number of Illustrations: 1 b/w illustrations
Topics: Applications of Mathematics