Articles liés à Mathematik für Informatik und Data Science: Eine fundierte...

Mathematik für Informatik und Data Science: Eine fundierte Einführung in Logik, Analysis, Lineare Algebra und Stochastik für Künstliche Intelligenz und Maschinelles Lernen - Couverture souple

Livre 8 sur 8: Studienbücher Informatik

Knoblauch, Andreas

 
9783662694787: Mathematik für Informatik und Data Science: Eine fundierte Einführung in Logik, Analysis, Lineare Algebra und Stochastik für Künstliche Intelligenz und Maschinelles Lernen
Couverture souple
ISBN 10 : 3662694786 ISBN 13 : 9783662694787
Editeur : Springer Vieweg, 2024

Synopsis

Dieses Buch liefert eine kompakte aber fundierte Darstellung der wichtigsten Gebiete der Mathematik für Informatik, die insbesondere für Data Science, Künstliche Intelligenz und Maschinelles Lernen notwendig sind. Inhaltlich gehören dazu Grundlagen zu Logik und Beweisen, ein- und mehrdimensionale Analysis mit Differential- und Integralrechnung, Lineare Algebra mit Vektor- und Matrixrechnung, linearen Gleichungssystemen, Koordinatentransformationen, Eigenvektoren sowie Wahrscheinlichkeitsrechnung mit Grundlagen der Kombinatorik, Statistik und Informationstheorie. Trotz der kompakten Darstellung werden alle Konzepte und Sätze sorgfältig eingeführt und bewiesen. Nichts soll vom Himmel fallen, sondern aus Axiomen und elementaren Prinzipien hergeleitet werden. Ziel ist es beim Studierenden das befriedigende Gefühl zu erzeugen, alles von Grund auf verstanden zu haben, und nichts nur „glauben“ zu müssen.

Les informations fournies dans la section « Synopsis » peuvent faire référence à une autre édition de ce titre.

À propos de l'auteur

Andreas Knoblauch ist Professor für Informatik an der Hochschule Albstadt-Sigmaringen. Er unterrichtet dort in den Studiengängen Technische Informatik, IT-Security, Wirtschaftsinformatik, Systems Engineering und Data Science unter anderem Mathematik, Intelligente Systeme, Maschinelles Lernen und Mustererkennung. Daneben forscht er im Bereich Bildverarbeitung, Objekterkennung, Neuronale Netze, Neuromorphe Assoziativspeicher und Selbstreferentielles Autonomes Lernen.

Les informations fournies dans la section « A propos du livre » peuvent faire référence à une autre édition de ce titre.

Éditeur
Springer Vieweg
Date d'édition
2024
Langue
allemand
ISBN 10 
3662694786
ISBN 13 
9783662694787
Reliure
Broché
Nombre de pages
456
Coordonnées du fabricant
ProductSafety@springernature.com
ProductSafety@springernature.com

Europaplatz 3
Heidelberg
69115
Allemagne