Mathematical Principles of Topological and Geometric Data Analysis: 2 (Mathematics of Data) - Hardcover
Zu dieser ISBN ist aktuell kein Angebot verfügbar.
Alle Exemplare der Ausgabe mit dieser ISBN anzeigen:
- VerlagSpringer-Verlag GmbH
- Erscheinungsdatum2023
- ISBN 10 3031334396
- ISBN 13 9783031334399
- EinbandTapa dura
- Auflage1
- Anzahl der Seiten292
Neu kaufen
Mehr zu diesem Angebot erfahren
EUR 67,65
Versand:
Gratis
Innerhalb der USA
Beste Suchergebnisse beim ZVAB
Beispielbild für diese ISBN
Mathematical Principles of Topological and Geometric Data Analysis (Mathematics of Data, 2)
Verlag:
Springer (edition 1st ed. 2023)
(2023)
ISBN 10: 3031334396
ISBN 13: 9783031334399
Neu
Hardcover
Anzahl: 2
Anbieter:
Bewertung
Buchbeschreibung Hardcover. Zustand: New. 1st ed. 2023. Brand new item, never opened! Ship within 24hrs. APO/FPO addresses supported. Artikel-Nr. 3031334396-9-1
Weitere Informationen zu diesem Verkäufer | Verkäufer kontaktieren
Neu kaufen
EUR 67,65
Währung umrechnen
Beispielbild für diese ISBN
Mathematical Principles of Topological and Geometric Data Analysis
Verlag:
Springer International Publishing 2023-07-30, Berlin
(2023)
ISBN 10: 3031334396
ISBN 13: 9783031334399
Neu
Hardcover
Anzahl: 1
Anbieter:
Bewertung
Buchbeschreibung hardback. Zustand: New. Language: ENG. Artikel-Nr. 9783031334399
Weitere Informationen zu diesem Verkäufer | Verkäufer kontaktieren
Neu kaufen
EUR 71,99
Währung umrechnen
Foto des Verkäufers
Mathematical Principles of Topological and Geometric Data Analysis
Verlag:
Springer International Publishing
(2023)
ISBN 10: 3031334396
ISBN 13: 9783031334399
Neu
Hardcover
Anzahl: 2
Anbieter:
Bewertung
Buchbeschreibung Buch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - This book explores and demonstrates how geometric tools can be used in data analysis. Beginning with a systematic exposition of the mathematical prerequisites, covering topics ranging from category theory to algebraic topology, Riemannian geometry, operator theory and network analysis, it goes on to describe and analyze some of the most important machine learning techniques for dimension reduction, including the different types of manifold learning and kernel methods. It also develops a new notion of curvature of generalized metric spaces, based on the notion of hyperconvexity, which can be used for the topological representation of geometric information.In recent years there has been a fascinating development: concepts and methods originally created in the context of research in pure mathematics, and in particular in geometry, have become powerful tools in machine learning for the analysis of data. The underlying reason for this is that data are typically equipped with somekind of notion of distance, quantifying the differences between data points. Of course, to be successfully applied, the geometric tools usually need to be redefined, generalized, or extended appropriately.Primarily aimed at mathematicians seeking an overview of the geometric concepts and methods that are useful for data analysis, the book will also be of interest to researchers in machine learning and data analysis who want to see a systematic mathematical foundation of the methods that they use. Artikel-Nr. 9783031334399
Weitere Informationen zu diesem Verkäufer | Verkäufer kontaktieren
Neu kaufen
EUR 79,29
Währung umrechnen
Foto des Verkäufers
Mathematical Principles of Topological and Geometric Data Analysis
Verlag:
Springer, Berlin|Springer International Publishing|Springer
(2024)
ISBN 10: 3031334396
ISBN 13: 9783031334399
Neu
Hardcover
Anzahl: 2
Anbieter:
Bewertung
Buchbeschreibung Zustand: New. This book explores and demonstrates how geometric tools can be used in data analysis. Beginning with a systematic exposition of the mathematical prerequisites, covering topics ranging from category theory to algebraic topology, Riemannian geometry, opera. Artikel-Nr. 855414958
Weitere Informationen zu diesem Verkäufer | Verkäufer kontaktieren
Neu kaufen
EUR 74,92
Währung umrechnen