Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Introduction—What is This Guide About? Kapitel lesen Erstes Kapitel lesen

2023 | OriginalPaper | Buchkapitel

15. Machine Learning Algorithms

verfasst von : Orit Hazzan, Koby Mike

Erschienen in: Guide to Teaching Data Science

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this chapter, we describe the teaching of several machine learning (ML) algorithms that are commonly taught in introduction to ML courses, and analyze them from a pedagogical perspective. The algorithms we discuss are the K-nearest neighbors (KNN) (Sect. 15.2), decision trees (Sect. 15.3), Perceptron (Sect. 15.4), linear regression (Sect. 15.5), logistic regression (Sect. 15.6), and neural networks (Sect. 15.7). Finally, we discuss interrelations between the interdisciplinarity of data science and the teaching of ML algorithms (Sect. 15.8).

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Core Concepts of Machine Learning
Nächstes Kapitel Teaching Methods for Machine Learning
Fußnoten
1
This section is based on Hazzan, O. & Mike, K. (2022). Teaching core principles of machine learning with a simple machine learning algorithm: The case of the KNN algorithm in a high school introduction to data science course. ACM Inroads, 13(1), 18–25. https://​doi.​org/​10.​1145/​3514217.
 
Literatur
Biehler, R., & Fleischer, Y. (2021). Introducing students to machine learning with decision trees using CODAP and Jupyter Notebooks. Teaching Statistics, 43, S133–S142.CrossRef
Biehler, R., & Schulte, C. (2018). Paderborn symposium on data science education at school level 2017: The collected extended abstracts. Universitätsbibliothek.
Delibasic, B., Vukicevic, M., & Jovanovic, M. (2013). White-box decision tree algorithms: A pilot study on perceived usefulness, perceived ease of use, and perceived understanding. International Journal of Engineering Education, 29(3), 674–687.
Gould, R., Suyen, M.-M., James, M., Terri, J., & LeeAnn, T. (2018). Mobilize: A data science curriculum for 16-year-old students. Iase-Web. Org, 1–4.
Hazzan, O., & Mike, K. (2022). Teaching core principles of machine learning with a simple machine learning algorithm: The case of the KNN algorithm in a high school introduction to data science course. ACM Inroads, 13(1), 18–25.CrossRef
Heinemann, B., Opel, S., Budde, L., Schulte, C., Frischemeier, D., Biehler, R., Podworny, S., & Wassong, T. (2018). Drafting a data science curriculum for secondary schools. In Proceedings of the 18th Koli Calling international conference on computing education research—Koli Calling’18, pp. 1–5. https://​doi.​org/​10.​1145/​3279720.​3279737
Laurent, H., & Rivest, R. L. (1976). Constructing optimal binary decision trees is NP-complete. Information Processing Letters, 5(1), 15–17.MathSciNetCrossRefMATH
Mariescu-Istodor, R., & Jormanainen, I. (2019). Machine learning for high school students. In Proceedings of the 19th Koli Calling international conference on computing education research, pp. 1–9.
Sperling, A., & Lickerman, D. (2012). Integrating AI and machine learning in software engineering course for high school students. In Proceedings of the 17th ACM annual conference on innovation and technology in computer science education, pp. 244–249.
Metadaten
Titel
Machine Learning Algorithms
verfasst von
Orit Hazzan
Koby Mike
Copyright-Jahr
2023
Buch
Guide to Teaching Data Science

Print ISBN: 978-3-031-24757-6

Electronic ISBN: 978-3-031-24758-3

Copyright-Jahr: 2023

DOI
https://doi.org/10.1007/978-3-031-24758-3_15

Premium Partner

    Bildnachweise