Maschinelle Lernmethoden für Klassifizierungsprobleme: Perspektiven für die mathematische Modellierung mit Schülerinnen und Schülern (BestMasters) (German Edition)

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. Front Matter ....Pages I-XIII Motivation (Sarah Schönbrodt)....Pages 1-4 Klassifizierung auf Basis maschineller Lernalgorithmen (Sarah Schönbrodt)....Pages 5-8 Mathematische Hintergründe zweier Methoden zur Bildklassifzierung (Sarah Schönbrodt)....Pages 9-52 Anwendung in der Bildklassifzierung (Sarah Schönbrodt)....Pages 53-68 Maschinelles Lernen in der mathematischen Modellierung mit Schülerinnen und Schülern (Sarah Schönbrodt)....Pages 69-89 Ausblick (Sarah Schönbrodt)....Pages 91-94 Back Matter ....Pages 95-99 Sarah Schoenbrodt gibt Einblick in die mathematischen Hintergrunde der Support Vector Machine und einer auf der Singularwertzerlegung basierenden Klassifizierungsmethode. Die Autorin stellt fest, dass sich hinter beiden Methoden elementar-mathematische und anschauliche Konzepte verbergen, die grossteils mit Schulmathematik zuganglich sind.