9783032208545 - machine learning in data processing: de (forum for interdisciplinary mathematics) von wang, xiang-sheng; wang, chisheng (4 Ergebnisse)
- Hardcover
Anbieter: Revaluation Books, Exeter, Vereinigtes KönigreichRevaluation Books
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 63,38
EUR 11,67 VersandVersand von Vereinigtes Königreich nach USAAnzahl: 2 verfügbar
Hardcover. Zustand: Brand New. 132 pages. 6.30x0.55x9.49 inches. In Stock.
- Hardcover
Anbieter: Speedyhen, Hertfordshire, Vereinigtes KönigreichSpeedyhen
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 49,60
EUR 47,85 VersandVersand von Vereinigtes Königreich nach USAAnzahl: 2 verfügbar
Zustand: NEW.
- Hardcover
Anbieter: moluna, Greven, Deutschlandmoluna
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 59,59
EUR 48,99 VersandVersand von Deutschland nach USAAnzahl: 2 verfügbar
Gebunden. Zustand: New.
- Hardcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 58,84
EUR 61,88 VersandVersand von Deutschland nach USAAnzahl: 2 verfügbar
Buch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - Machine learning has become a cornerstone of modern data-driven science and technology. For mathematics students and researchers, understanding the mathematical foundations behind machine learning is essential, even if they never work directly with real-wor…ld datasets.This book provides a rigorous yet accessible introduction to the core mathematical ideas that underpin machine learning. Topics such as linear and nonlinear regression, regularization techniques, and the fundamentals of neural networks are explained in detail from a clear mathematical perspective.Unlike many existing texts that emphasize coding and practical implementation, this book focuses on theoretical results and conceptual understanding. It is designed for readers who want to grasp the mathematics behind machine learning without writing code.Who should read this book Mathematics students and researchers interested in machine learning but with little programming experience.Scientists and engineers who have applied machine learning in practice and now seek a deeper understanding of its mathematical foundations.
