Maschinelle Lernmethoden Für Klassifizierungsprobleme: Perspektiven Für Die Mathematische Modellierung Mit Schülerinnen Und Schülern

ISBN-13: 9783658251369 / Niemiecki / Miękka / 2019 / 99 str.

Sarah Schönbrodt

Opis

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.

Spis treści

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

O autorze

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.

Blurb

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.

Der Inhalt

• Klassifizierung auf Basis maschineller Lernalgorithmen
  
• Mathematische Hintergründe zweier maschineller Lernmethoden
  
• Anwendung zweier maschineller Lernmethoden zur Bildklassifizierung
  
• Maschinelles Lernen in der mathematischen Modellierung mit Schülerinnen und Schülern

Die Zielgruppen

• Dozierende und Studierende der Mathematikdidaktik und Mathematik
  
• Angehende Lehrerinnen und Lehrer der Mathematik und Informatik

Die Autorin

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.