Overview
Verschafft einen Überblick zu Methoden und mathematischen Grundprinzipien
Mathematisch präzise, mit Fokus auf nicht-asymptotische Resultate
Führt hin zu modernen Anwendungen und aktuellen Forschungsfragen
Motiviert mit lebensnahen Beispielen
Access this book
Tax calculation will be finalised at checkout
Other ways to access
Table of contents (5 chapters)
-
Front Matter
-
Back Matter
Keywords
- Mathematische Statistik
- Hochdimensionale Statistik
- Hochdimensionale Modelle
- Moderne statistische Methoden und Forschungsfragen
- Machine Learning
- Klassifikationsprobleme
- Supervised learning
- Überwachtes Maschinelles Lernen
- Verallgemeinertes lineares Modell
- generalized linear model
- GLM
- Mathematische Grundlagen der Datenwissenschaften
- Mathematische Grundlagen von Data Science
- Statistische Methoden der Datenanalyse
- Klassifikationsmethoden des statistischen Lernens
About this book
Dieses Lehrbuch liefert einen Einstieg in die mathematische Statistik und baut systematisch eine Brücke zum maschinellen Lernen. Dabei werden sowohl klassische und bis heute wichtige Verfahren untersucht als auch moderne Klassifikationsmethoden des statistischen Lernens. Diese werden mathematisch präzise analysiert und anhand von lebensnahen Beispielen illustriert. Das Buch verschafft den Leserinnen und Lesern einen Überblick über statistische Methoden der Datenanalyse und deren mathematischen Grundprinzipien. Der Fokus auf nicht-asymptotische Resultate erlaubt den Zugang zu modernen Anwendungen und führt an aktuelle Forschungsfragen heran. Aufgaben am Kapitelende runden das Buch ab.
Authors and Affiliations
About the authors
Moritz Jirak promovierte an der Technischen Universität Graz. Seine wissenschaftliche Laufbahn führte über Berlin und Braunschweig an die Universität Wien, wo er seit 2020 Professor ist. Seine Forschungsschwerpunkte liegen in der Analyse von hochdimensionalen Daten und Zeitreihen.
Konstantin Krenz schloss 2019 das Mathematikstudium an der Humboldt-Universität zu Berlin ab, wobei er sich in die angewandte Statistik und optimale Steuerungsprobleme vertiefte. Nach einer Weiterbildung für das Lehramt an Gymnasien unterrichtet er Mathematik und Informatik in Erfurt.
Markus Reiß promovierte an der Humboldt-Universität zu Berlin. Nach Stationen in Paris und Heidelberg kehrte er 2008 als Professor an die Humboldt-Universität zu Berlin zurück. Er ist ein Experte für statistische inverse Probleme und die Statistik stochastischer Prozesse.
Bibliographic Information
Book Title: Statistik und maschinelles Lernen
Book Subtitle: Eine mathematische Einführung in klassische und moderne Methoden
Authors: Mathias Trabs, Moritz Jirak, Konstantin Krenz, Markus Reiß
DOI: https://doi.org/10.1007/978-3-662-62938-3
Publisher: Springer Spektrum Berlin, Heidelberg
eBook Packages: Life Science and Basic Disciplines (German Language)
Copyright Information: Der/die Herausgeber bzw. der/die Autor(en), exklusiv lizenziert durch Springer-Verlag GmbH, DE, ein Teil von Springer Nature 2021
Softcover ISBN: 978-3-662-62937-6Published: 23 June 2021
eBook ISBN: 978-3-662-62938-3Published: 22 June 2021
Edition Number: 1
Number of Pages: XII, 263
Number of Illustrations: 9 b/w illustrations, 23 illustrations in colour
Topics: Statistical Theory and Methods, Statistics and Computing/Statistics Programs, Applied Statistics