Angebote zu "Numerik" (35 Treffer)

Übungsbuch zur numerischen Mathematik
29,99 € *
ggf. zzgl. Versand

In diesem Übungsbuch, das eine hervorragende Ergänzung zu allen Numerik-Lehrbüchern ist, werden Übungsaufgaben zur numerischen Mathematik vorgestellt und mögliche Lösungswege vorgeschlagen. Die Übungsaufgaben sind an Universitäten und Fachhochschulen praxiserprobt und besitzen unterschiedliche Schwierigkeitsgrade. So wird es Studierenden aus den Mathematikstudiengängen, den Ingenieurwissenschaften und den Informatikstudiengängen möglich, den in den Vorlesungen über numerische Mathematik erlernten Stoff selbständig zu vertiefen und sich auf anstehende Klausuren vorzubereiten. In dem Buch wird zudem mit der Audio- und Bildkompression eine aktuelle Anwendung der numerischen Mathematik vorgestellt.

Anbieter: buecher.de
Stand: 16.07.2019
Zum Angebot
Numerische Mathematik für Informatiker als Buch...
34,99 € *
ggf. zzgl. Versand

Numerische Mathematik für Informatiker:Mathematik für Informatiker Springer-Lehrbuch. 2., unveränd. Aufl. 1993 Franz Locher

Anbieter: Hugendubel.de
Stand: 18.07.2019
Zum Angebot
Informatik
44,99 € *
ggf. zzgl. Versand

Das Buch ist eine unkonventionelle, auf intuitives Verständnis ausgerichtete Einführung in die theoretischen Grundlagen der praktischen Aspekte der Informatik. Dabei geht es nicht ausschließlich um die Entwicklung von Software. Beim Leser werden keine besonderen Vorkenntnisse vorausgesetzt. Es werden etwa Informationstheorie, Codierungstheorie, Zahlendarstellung und Numerik, Boolesche Algebra, Fuzzy-Logik sowie Quanten-Computer behandelt, wobei gewährleistet bleibt, dass leicht verständlich wird, wie auf diesem theoretischen Unterbau die praktische Realisierung eines Computers sowohl in Hardware als auch in Software erfolgen kann. Für die fünfte Auflage wurde das Buch komplett überarbeitet und auf den neuesten Stand gebracht.

Anbieter: buecher.de
Stand: 16.07.2019
Zum Angebot
Mathematik für Informatik und Bioinformatik
37,99 € *
ggf. zzgl. Versand

Mathematik für Informatik und BioInformatik ist eine speziell auf das Informatik- und BioInformatik-Studium zugeschnittene breite Einführung in die Mathematik im Umfang der ersten drei bis vier Semester an Universitäten. Der klassische Stoff von Analysis und Linearer Algebra ist auf das Wesentliche konzentriert. Zusätzlich enthalten sind speziell für Informatik und BioInformatik wichtige Gebiete der Diskreten Mathematik und Logik sowie der Stochastik und teilweise auch der Numerik. Unter der URL min.informatik.uni-tuebingen.de werden begleitend interaktive Übungen und Illustrationen sowie eine Verfilmung der entsprechenden Vorlesung zum Selbststudium angeboten.

Anbieter: buecher.de
Stand: 16.07.2019
Zum Angebot
Analysis für Informatiker
32,99 € *
ggf. zzgl. Versand

Diese grundlegende Einführung in die Analysis wendet sich an Informatiker im ersten Studienabschnitt. Um speziell auf die Bedürfnisse des Informatikstudiums einzugehen, haben die Autoren diesem Werk folgende Konzepte zugrunde gelegt: Algorithmischer Zugang, schlanke Darstellung, Software als integrativer Bestandteil, Betonung von Modellbildung und Anwendungen der Analysis. Der Gegenstand des Buches liegt im Spannungsfeld zwischen Mathematik, Informatik und Anwendungen. Hier kommt dem algorithmischen Denken ein hoher Stellenwert zu. Der gewählte Zugang beinhaltet: Entwicklung der Grundlagen der Analysis aus algorithmischer Sichtweise, Vergegenständlichung der Theorie mittels MATLAB- und Maple-Programmen und Java-Applets, Behandlung grundlegender Konzepte und Verfahren der numerischen Analysis. Das Buch kann ab dem ersten Semester als Vorlesungsgrundlage, als Begleittext zu einer Vorlesung oder im Selbststudium verwendet werden.

Anbieter: buecher.de
Stand: 20.07.2019
Zum Angebot
Deep Learning. Das umfassende Handbuch
80,00 € *
ggf. zzgl. Versand

Mathematische Grundlagen für Machine und Deep Learning Umfassende Behandlung zeitgemäßer Verfahren: tiefe Feedforward-Netze, Regularisierung, Performance-Optimierung sowie CNNs, Rekurrente und Rekursive Neuronale Netze Zukunftsweisende Deep-Learning-Ansätze sowie von Ian Goodfellow neu entwickelte Konzepte wie Generative Adversarial Networks Deep Learning ist ein Teilbereich des Machine Learnings und versetzt Computer in die Lage, aus Erfahrungen zu lernen. Dieses Buch behandelt umfassend alle Aspekte, die für den Einsatz und die Anwendung von Deep Learning eine Rolle spielen: In Teil I erläutern die Autoren die mathematischen Grundlagen für Künstliche Intelligenz, Neuronale Netze, Machine Learning und Deep Learning. In Teil II werden die aktuellen in der Praxis genutzten Verfahren und Algorithmen behandelt. In Teil III geben die Autoren Einblick in aktuelle Forschungsansätze und zeigen neue zukunftsweisende Verfahren auf. Dieses Buch richtet sich an Studenten und alle, die sich in der Forschung mit Deep Learning beschäftigen sowie an Softwareentwickler und Informatiker, die Deep Learning für eigene Produkte oder Plattformen einsetzen möchten. Dabei werden Grundkenntnisse in Mathematik, Informatik und Programmierung vorausgesetzt. Teil I: Angewandte Mathematik und Grundlagen für das Machine Learning Lineare Algebra Wahrscheinlichkeits- und Informationstheorie Bayessche Statistik Numerische Berechnung Teil II: Deep-Learning-Verfahren Tiefe Feedforward-Netze Regularisierung Optimierung beim Trainieren tiefer Modelle Convolutional Neural Networks Sequenzmodellierung für Rekurrente und Rekursive Netze Praxisorientierte Methodologie Anwendungen: Computer Vision, Spracherkennung, Verarbeitung natürlicher Sprache Teil III: Deep-Learning-Forschung Lineare Faktorenmodelle Autoencoder Representation Learning Probabilistische graphische Modelle Monte-Carlo-Verfahren Die Partitionsfunktion Approximative Inferenz Tiefe generative Modelle wie Restricted Boltzmann Machines, Deep-Belief-Netze, Gerichtete Generative Netze, Variational Autoencoder u.v.m.

Anbieter: buecher.de
Stand: 16.07.2019
Zum Angebot
Data Mining
27,99 € *
ggf. zzgl. Versand

Dieses Lehrbuch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von ´´Wissen´´ aus numerischen und nicht-numerischen Datenbanken in Technik und Wirtschaft. Der Autor vermittelt einen kompakten und zugleich fundierten Überblick über die verschiedenen Methoden sowie deren Zielsetzungen und Eigenschaften. Dadurch werden Leser befähigt, Data Mining eigenständig anzuwenden.

Anbieter: buecher.de
Stand: 16.07.2019
Zum Angebot
Computeralgebra mit Maxima
29,99 € *
ggf. zzgl. Versand

Maxima ist ein sehr umfangreiches Open-Source-Computer-Algebra System, das sich hervorragend zur Behandlung verschiedener mathematischer Aufgabenstellungen eignet, wie sie etwa auch mit Mathematica gelöst werden können. Das leistungsfähige und kostenlos verfügbare Maxima ist ein wertvolles Werkzeug für jeden, der sich mit Mathematik beschäftigt. Es ermöglicht nicht nur numerische und symbolische Berechnungen, sondern ist auch eine umfangreiche Programmiersprache, die sich mit benutzerdefinierten Funktionen und Programmpaketen erweitern lässt. Dieses Lehrbuch ermöglicht einen optimalen Einstieg in die Arbeit mit Maxima. Die Grundlagen werden thematisch geordnet und möglichst aufeinander aufbauend vermittelt. Es bietet eine übersichtliche Darstellung jener Prinzipien und Funktionen, die am häufigsten benötigt werden. Zahlreiche Übersichten, Beispiele und Tipps erleichtern den Umgang mit Maxima. Aus dem Inhalt: Benutzeroberfläche; Erste Schritte; Ausdrücke; Datenstrukturen; Grafikenerstellen; Algebra; Analysis; Ein- und Ausgabe; Interaktives Arbeiten; Programmieren

Anbieter: buecher.de
Stand: 16.07.2019
Zum Angebot
Merkmalskonstruktion für Machine Learning
34,90 € *
ggf. zzgl. Versand

Die Merkmalskonstruktion, auch Feature Engineering genannt, ist ein entscheidender Arbeitsschritt bei der Datenaufbereitung für das maschinelle Lernen, der die Leistung der Modelle stark beeinflusst. In diesem praxisnahen Buch lernen Sie Techniken, um Merkmale - numerische Repräsentationen eines bestimmten Aspekts von Rohdaten - zu gewinnen und mit maschinellen Lernmodellen nutzbar zu machen. Jedes Kapitel führt Sie durch eine spezifische Aufgabe der Datenanalyse wie etwa die Darstellung von Text- oder Bilddaten. Diese Beispiele veranschaulichen die wichtigsten Prinzipien der Merkmalskonstruktion. Statt diese Prinzipien nur zu beschreiben, legen die Autorinnen Alice Zheng und Amanda Casari im gesamten Buch den Schwerpunkt auf die praktische Anwendung mit Übungen. Das Schlusskapitel vertieft das Gelernte, indem es verschiedene Techniken der Merkmalskonstruktion auf einen realen, strukturierten Datensatz anwendet. In den Beispielen werden Python-Pakete wie numpy, Pandas, scikit-learn und Matplotlib verwendet. Aus dem Inhalt: - Merkmalskonstruktion an numerischen Daten: Filter, Klasseneinteilung, Skalierung, logarithmische und Potenz-Transformationen - Techniken für natürlichen Text: Bag-of-Words-Modelle, n-Gramme und Phrasenerkennung - Frequenzfilterung und Merkmalsskalierung zum Entfernen aussageloser Merkmale - Kodierungstechniken für Kategorievariablen, darunter Merkmals-Hashing und Klassenzählung - Modellgesteuerte Merkmalskonstruktion mit der Hauptkomponentenanalyse - Das Konzept der Modellkombination mit dem k-Means-Algorithmus als Technik zur Merkmalserzeugung - Gewinnung von Bildmerkmalen anhand manueller und Deep-Learning-Techniken ´´Datenaufbereitung und Merkmalskonstruktion haben sich in vielen Anwendungen als die wichtigsten Einflussfaktoren für die Leistungsfähigkeit der Modelle erwiesen. Ich freue mich, dass es endlich ein Buch gibt, das sich nur diesem Thema widmet. Alice und Amanda erklären sehr detailliert die Feinheiten vieler verbreiteter Techniken.´´ - Andreas C. MüllerDozent für Machine Learning an der Universität von Columbia und Kernentwickler bei scikit-learn

Anbieter: buecher.de
Stand: 16.07.2019
Zum Angebot