Maschinelle Lernmethoden für Klassifizierungsprobleme

Perspektiven für die mathematische Modellierung mit Schülerinnen und Schülern
1. Auflage 2019
ISBN: 978-3-658-25136-9
Verlag: Springer

Buch, Deutsch, 99 Seiten, Format (B × H): 148 mm x 210 mm, Gewicht: 162 g

Reihe: BestMasters

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.

Zielgruppe

Research

Autoren/Hrsg.

Schönbrodt, Sarah

Fachgebiete

• Mathematik | Informatik Mathematik Numerik und Wissenschaftliches Rechnen Mathematische Modellierung
• Mathematik | Informatik Mathematik Numerik und Wissenschaftliches Rechnen Angewandte Mathematik, Mathematische Modelle
• Sozialwissenschaften Pädagogik Lehrerausbildung, Unterricht & Didaktik Allgemeine Didaktik Naturwissenschaften, Mathematik (Unterricht & Didaktik)

Inhaltsverzeichnis

Klassifizierung auf Basis maschineller Lernalgorithmen.- Mathematische Hintergru¨nde zweier maschineller Lernmethoden.- Anwendung zweier maschineller Lernmethoden zur Bildklassifizierung.- Maschinelles Lernen in der mathematischen Modellierung mit Schülerinnen und Schülern.

Über Autor(innen)

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.