Sven Hilbert: Machine Learning
Machine Learning
Buch
- Eine Annäherung für Geistes- und Sozialwissenschaften
Artikel noch nicht erschienen, voraussichtlicher Liefertermin ist der 13.4.2025.
Sie können den Titel schon jetzt bestellen. Versand an Sie erfolgt gleich nach Verfügbarkeit.
Sie können den Titel schon jetzt bestellen. Versand an Sie erfolgt gleich nach Verfügbarkeit.
EUR 27,99*
- Springer-Verlag GmbH, 04/2025
- Einband: Kartoniert / Broschiert
- Sprache: Deutsch
- ISBN-13: 9783658436483
- Bestellnummer: 11682276
- Sonstiges: Etwa 120 S. 30 Abbildungen, 10 Abbildungen in Farbe.
- Erscheinungstermin: 13.4.2025
Klappentext
Maschinelles Lernen (ML) bietet einen Rahmen für die Analyse hochdimensionaler Datensätze durch Modellierung komplexer, oft non-linearer Beziehungen. Der Einfluss von ML-Methoden auf die Forschung und praktische Anwendungen in den Sozial- und Bildungswissenschaften ist immer noch begrenzt, wächst jedoch rapide und kontinuierlich. Algorithmen, die im Rahmen von ML eingesetzt werden sind vielfältig bezüglich ihrer mathematischen Ansätze und ihres Einsatzgebiets. Dieses Buch gibt einen Überblick der gängigen Verfahren, insbesondere ihrer Philosophie, Funktionsweisen und Anwendung. Sowohl die Nutzung klassischer linearer Regressionsmodelle im ML-Framework als auch Baum-basierte und regularisierte Regressionsverfahren werden einzeln behandelt und in das Gesamtbild der Analyse mit ML eingeordnet. Methodisch werden Verbindungen zu und Gemeinsamkeiten mit inferenzstatistischen Ansätzen beleuchtet. Hierbei wird besonders die verschiedenen philosophischen Perspektiven, (geschachtelte) ResamplingVerfahren und das Zusammenspiel von Bias und Varianz. Ein weiterer Schwerpunkt liegt auf der praktischen Anwendung von ML auf konkrete Fragestellung empirischer Sozialwissenschaften, welche auch die notwenigen Voraussetzungen der Datenstrukturen und Preprocessing von Datensätzen beinhaltet. Das Buch soll Wissenschaftlern und Praktikern helfen, sich mit den Chancen und Herausforderung immer größerer und komplexerer digitaler Datensätze vertraut zu machen. Hierbei wird auf mathematischer wie auf inhaltlicher Ebene ein Verständnis der grundlegenden Funktionsweisen mit Detailwissen in einzelnen Bereichen verbunden.Die Autor*innen
Sven Hilbert ist Professor für Methoden der empirischen Bildungsforschung und wissenschaftlicher Leiter des Zentrums für Hochschul- und Wissenschaftsdidaktik der Universität Regensburg.
Elisabeth Kraus ist Wissenschaftliche Mitarbeiterin an der Professur für Methoden der empirischen Bildungsforschung der Universität Regensburg.
Dr. Alfred Lindl ist Leiter der Forschungsgruppe FALKO-PV an der Professur für Methoden der empirischen Bildungsforschung der Universität Regensburg.
Anmerkungen:
Bitte beachten Sie, dass auch wir der Preisbindung unterliegen und kurzfristige Preiserhöhungen oder -senkungen an Sie weitergeben müssen.