Publicado por Wiesbaden, Springer Fachmedien., 2015
ISBN 10: 3658107375 ISBN 13: 9783658107376
Idioma: Alemán
Librería: Universitätsbuchhandlung Herta Hold GmbH, Berlin, Alemania
EUR 14,00
Convertir monedaCantidad disponible: 1 disponibles
Añadir al carritoVIII, 99 S. Broschur. Versand aus Deutschland / We dispatch from Germany via Air Mail. Einband bestoßen, daher Mängelexemplar gestempelt, sonst sehr guter Zustand. Imperfect copy due to slightly bumped cover, apart from this in very good condition. Stamped. BestMasters. Sprache: Deutsch.
Librería: Lucky's Textbooks, Dallas, TX, Estados Unidos de America
EUR 47,83
Convertir monedaCantidad disponible: Más de 20 disponibles
Añadir al carritoCondición: New.
Librería: Ria Christie Collections, Uxbridge, Reino Unido
EUR 52,26
Convertir monedaCantidad disponible: Más de 20 disponibles
Añadir al carritoCondición: New. In German.
Publicado por Springer Vieweg 2015-07, 2015
ISBN 10: 3658107375 ISBN 13: 9783658107376
Idioma: Alemán
Librería: Chiron Media, Wallingford, Reino Unido
EUR 49,63
Convertir monedaCantidad disponible: 10 disponibles
Añadir al carritoPF. Condición: New.
Librería: Revaluation Books, Exeter, Reino Unido
EUR 68,65
Convertir monedaCantidad disponible: 2 disponibles
Añadir al carritoPaperback. Condición: Brand New. 1. aufl. 2015 edition. 108 pages. German language. 8.00x5.60x0.50 inches. In Stock.
Publicado por Springer Fachmedien Wiesbaden, 2015
ISBN 10: 3658107375 ISBN 13: 9783658107376
Idioma: Alemán
Librería: AHA-BUCH GmbH, Einbeck, Alemania
EUR 49,99
Convertir monedaCantidad disponible: 1 disponibles
Añadir al carritoTaschenbuch. Condición: Neu. Druck auf Anfrage Neuware - Printed after ordering - In der Arbeit von Daniel Lückehe wird ein neues hybrides Verfahren zur Dimensionsreduktion methodisch erarbeitet, analysiert und durch experimentelle Tests mit vorhandenen Methoden verglichen. Hochdimensionale Daten, häufig zusammengefasst unter dem Begriff 'Big Data', liegen heutzutage in vielen Bereichen vor. Darunter fallen beispielsweise visuell erfasste Informationen, in denen Muster erkannt werden sollen, Anwendungen im medizinischen Bereich sowie Daten aus dem Gebiet der Astronomie. Eine Dimensionsreduktion kann dabei helfen, Informationen aus großen, hochkomplexen Datensätzen zu gewinnen und diese besser verarbeiten zu können. So können Daten beispielsweise auf einen zweidimensionalen Raum abgebildet und somit für den Menschen visuell erfassbar werden.