Machine Learning

Zusatztext

<p class="MsoNormal" style="text-align: justify;">Dieses Buch richtet sich an alle, welche die enormen Potenziale maschinellen Lernens f&uuml;r wissenschaftliche Fragestellungen und innovative Ans&auml;tze in Studium oder Beruf nutzen m&ouml;chten.<span style="color: windowtext;"> Denn maschinelles Lernen er&ouml;ffnet </span>neue M&ouml;glichkeiten zum effizienten Umgang mit umfassenden, komplex strukturierten und sich schnell entwickelnden Daten. Zun&auml;chst werden Grundideen und typische Anwendungsfelder maschinellen Lernens sowie dessen Vorz&uuml;ge gegen&uuml;ber inferenzstatistischen Verfahren erl&auml;utert. Daran schlie&szlig;en praktische Hinweise dazu an, wie Daten f&uuml;r maschinelle Lernprozesse aufbereitet <span style="color: windowtext;">werden und wie diese durch </span>Anpassung verschiedener Parameter m&ouml;glichst optimale Ergebnisse erzielen k&ouml;nnen. Von den hierzu einsetzbaren Modellen werden die g&auml;ngigsten theoretisch und anhand anschaulicher Beispiele <span style="color: windowtext;">vorgestellt. Auch auf verschiedene </span>Optionen zur besseren Interpretierbarkeit sowie auf spezifische Limitationen von Analyseresultaten wird eingegangen. Weiterf&uuml;hrende Anwendungsf&auml;lle und verst&auml;ndlich kommentierte Analysecodes sind auf dem GitHub-Repositorium zu diesem Buch auf SpringerLink online verf&uuml;gbar.</p>

Autorenportrait

<p class="MsoNormal" style="margin-left: 14.2pt; text-align: justify; text-indent: -14.2pt;"><strong>Sven Hilbert</strong> ist Inhaber des Lehrstuhls Educational Data Science an der Universität Regensburg.</p> <p class="MsoNormal" style="margin-left: 14.2pt; text-align: justify; text-indent: -14.2pt;"><strong>Elisabeth Kraus</strong> ist Juniorprofessorin für Methoden der Empirischen Bildungsforschung am Hector-Institut für Empirische Bildungsforschung an der Eberhard Karls Universität Tübingen.</p> <p class="MsoNormal" style="margin-left: 14.2pt; text-align: justify; text-indent: -14.2pt;"><strong>Alfred Lindl</strong> leitet die interdisziplinäre Forschungsgruppe FALKO-PV (Fachspezifische Lehrkraftkompetenzen – Prädiktive Validierung) am Lehrstuhl Educational Data Science an der Universität Regensburg.</p> <p> </p>

Weitere Details