%{search_type} search results

• I Grundlegende Konzepte
• Vorbemerkungen und Überblick
• Informatik, Algorithmen und Datenstrukturen
• Historischer Überblick: Algorithmen
• Historie von Programmiersprachen und Java
• Grundkonzepte der Programmierung in Java
• Algorithmische Grundkonzepte
• Intuitiver Algorithmusbegriff
• Beispiele für Algorithmen
• Bausteine für Algorithmen
• Pseudocode-Notation für Algorithmen
• Struktogramme
• Rekursion
• Sprachen und Grammatiken
• Begriffsbildung
• Reguläre Ausdrücke
• Backus-Naur-Form (BNF)
• Elementare Datentypen
• Datentypen als Algebren

• Signaturen von Datentypen
• Der Datentyp bool
• Der Datentyp integer
• Felder und Zeichenketten
• Terme
• Bildung von Termen
• Algorithmus zur Termauswertung
• Datentypen in Java
• Primitive Datentypen
• Referenzdatentypen
• Operatoren
• Algorithmenparadigmen
• Überblick über Algorithmenparadigmen
• Applikative Algorithmen
• Terme mit Unbestimmten
• Funktionsdefinitionen
• Auswertung von Funktionen
• Erweiterung der Funktionsdefinition
• Applikative Algorithmen
• Beispiele für applikative Algorithmen
• Imperative Algorithmen
• Grundlagen imperativer Algorithmen

• Komplexe Anweisungen
• Beispiele für imperative Algorithmen
• Das logische Paradigma
• Logik der Fakten und Regeln
• Deduktive Algorithmen
• Weitere Paradigmen
• Genetische Algorithmen
• Neuronale Netze
• Umsetzung in Java
• Ausdrücke und Anweisungen
• Methoden
• Applikative Algorithmen und Rekursion
• Literaturhinweise zum Teil I
• II Algorithmen
• Ausgewählte Algorithmen
• Suchen in sortierten Folgen
• Sequenzielle Suche
• Binäre Suche
• Sortieren
• Sortieren: Grundbegriffe
• Sortieren durch Einfügen
• Sortieren durch Selektion
• Sortieren durch Vertauschen: BubbleSort

• Sortieren durch Mischen: MergeSort
• QuickSort
• Sortieren durch Verteilen: RadixSort
• Sortierverfahren im Vergleich
• Formale Algorithmenmodelle
• Registermaschinen
• Abstrakte Maschinen
• Markov-Algorithmen
• Church'sche These
• Interpreter für formale Algorithmenmodelle in Java
• Java: Markov-Interpreter
• Registermaschine in Java
• Eigenschaften von Algorithmen
• Berechenbarkeit und Entscheidbarkeit
• Existenz nichtberechenbarer Funktionen
• Konkrete nichtberechenbare Funktionen
• Das Halteproblem
• Nichtentscheidbare Probleme
• Post'sches Korrespondenzproblem

• Korrektheit von Algorithmen
• Relative Korrektheit
• Korrektheit von imperativen Algorithmen
• Korrektheitsbeweise für Anweisungstypen
• Korrektheit imperativer Algorithmen an Beispielen
• Korrektheit applikativer Algorithmen
• Komplexität
• Motivierendes Beispiel
• Asymptotische Analyse
• Komplexitätsklassen
• Analyse von Algorithmen
• Entwurf von Algorithmen
• Entwurfsprinzipien
• Schrittweise Verfeinerung
• Einsatz von Algorithmenmustern
• Problemreduzierung durch Rekursion
• Algorithmenmuster: Greedy
• Greedy-Algorithmen am Beispiel
• Greedy: Optimales Kommunikationsnetz

"Algorithmen und Datenstrukturen von Grund auf verstehen - Fundierte Einführung mit klarem didaktischen Aufbau - Mit konkreten Anwendungsbeispielen - Eine reichhaltige Fundgrube für Lehre und Selbststudium Kenntnisse von Algorithmen und Datenstrukturen sind ein Grundbaustein des Studiums der Informatik und verwandter Fachrichtungen. Das Buch behandelt diese Thematik in Verbindung mit der Programmiersprache Java und schlägt so eine Brücke zwischen den klassischen Lehrbüchern zur Theorie von Algorithmen und Datenstrukturen und den praktischen Einführungen in eine konkrete Programmiersprache. Die konkreten Algorithmen und deren Realisierung in Java werdenumfassend dargestellt. Daneben werden die theoretischen Grundlagen vermittelt, die in Programmiersprachen-Kursen oft zu kurz kommen: abstrakte Maschinenmodelle, Berechenbarkeit, Algorithmenparadigmen sowie parallele und verteilte Abläufe. Einen weiteren Schwerpunkt bilden Datenstrukturen wie Listen, Bäume, Graphen und Hashtabellen sowie deren objektorientierte Implementierung mit modernen Methoden der Softwareentwicklung. Die 6. Auflage führt einige neue Algorithmen ein und berücksichtigt die Neuerungen der aktuellen Java-Versionen, u.a. zu Themen wie Parallelisierung."-- Provided by publisher.

• 1 Einleitung
• 1.1 Aufbau dieses Buches
• 1.2 Initiative »Certified Professional for Medical Software« (CPMS)
• 1.3 Zuordnung der Kapitel dieses Buches zum Curriculum des CPMS
• 2 Rechtliche Grundlagen
• 2.1 Die Rechtslage in Europa
• 2.1.1 Das sogenannte neue Konzept für Produktregulierung innerhalb der Europäischen Union
• 2.1.2 Regulatorische Landkarte für Medizinprodukte
• 2.2 Regulatorische Vorgaben für Medizinprodukte

• 2.2.1 Die Medizinprodukterichtlinie und die Medizinprodukteverordnung
• 2.2.2 Besonderheiten für aktive implantierbare medizinische Geräte
• 2.2.3 Besonderheiten für In-vitro-Diagnostika
• 2.2.4 Die Gesetzgebung in der Bundesrepublik Deutschland
• 2.3 Harmonisierte Normen
• 2.3.1 Das neue Konzept der Europäischen Union
• 2.3.2 Entstehung von harmonisierten Normen
• 2.3.3 Veröffentlichung von harmonisierten Normen
• 2.4 Relevante harmonisierte Normen
• 2.4.1 Qualitätsmanagement (EN ISO 13485)
• 2.4.2 Risikomanagement (EN ISO 14971)
• 2.4.3 Software-Lebenszyklus-Prozesse (EN 62304)

• 2.4.4 Gebrauchstauglichkeit (EN 62366 und EN 60601-1-6)
• 2.4.5 Normenfamilie EN 60601 über medizinische elektrische Geräte
• 2.5 Anwendung und Kontrolle rechtlicher Vorgaben
• 2.5.1 Lebenszyklus eines Medizinproduktes
• 2.5.2 Überwachung von Herstellern
• 2.5.3 Überwachung von benannten Stellen
• 2.6 Weltweite Harmonisierungsbemühungen
• die GHTF und das IMDRF
• 2.7 Die Situation in den USA
• 2.7.1 Aufbau der Gesetzgebung
• 2.7.2 Federal Food, Drug, and Cosmetic Act (FD&C Act)
• 2.7.3 Code of Federal Regulations Title 21 (21 CFR)
• 2.7.4 Food and Drug Administration (FDA )

• 2.7.5 Klassifizierung von Medizinprodukten
• 2.7.6 Inverkehrbringen von Medizinprodukten
• 2.7.7 Softwarespezifische Vorgaben
• 2.7.8 Vergleich mit Europa
• 2.8 Weitere internationale Behörden
• 3 Qualitätsmanagement
• 3.1 Aufbau der Norm ISO 13485
• 3.2 Prozessorientierter Ansatz
• 3.3 Dokumentationsanforderungen
• 3.3.1 Qualitätsmanagement-Handbuch
• 3.3.2 Zu dokumentierende Verfahren
• 3.3.3 Dokumente und Aufzeichnungen
• 3.4 Verantwortung der Leitung
• 3.5 Management von Ressourcen
• 3.6 Produktrealisierung
• 3.6.1 Planung
• 3.6.2 Einbindung des Kunden

• 3.6.3 Design und Entwicklung
• 3.6.4 Beschaffung
• 3.6.5 Produktion und Dienstleistungserbringung
• 3.6.6 Umgang mit Kundeneigentum
• 3.6.7 Überwachung von Messmitteln
• 3.7 Messung, Analyse und Verbesserung
• 3.7.1 Sammeln von Rückmeldungen
• 3.7.2 Internes Audit
• 3.7.3 Messung von Prozessen
• 3.7.4 Fehlerhafte Produkte
• 3.7.5 Verbesserung
• 4 Risikomanagement
• 4.1 Einführung
• 4.1.1 Regulatorischer Rahmen
• 4.1.2 Bedeutung des Risikomanagements
• 4.1.3 Begriffe
• 4.2 Die Risikobewertungsmatrix
• 4.2.1 Definition der Achsen
• 4.2.2 Risikoakzeptanz

"Das Basiswerk für die Entwicklung von Software als Medizinprodukt - Kompakter, umfassender Überblick über die relevanten Gebiete der normenkonformen Entwicklung von medizinischer Software - Zur Vorbereitung auf die Prüfung zum "Certified Professional for Medical Software" Dieses Buch beschreibt den gesamten Lebenszyklus von Software als Medizinprodukt. Es deckt den kompletten CPMS-Lehrplan (Foundation Level) ab und ergänzt ihn durch weitere Informationen. Behandelt werden im Einzelnen: - Rechtliche Grundlagen - Qualitäts- und Dokumentenmanagement (ISO 13485) - Risikomanagement und -analyse (ISO 14971) - Best Practices des Software Engineering (IEC 62304) - Gebrauchstauglichkeit (Benutzungsschnittstellen und IEC 62366) - Medizinische Informatik - IT-Security Das Buch eignet sich zur individuellen Vorbereitung auf die CPMS-Zertifizierungsprüfung und als Begleitliteratur zu den entsprechenden Vorbereitungsschulungen. Die 3. Auflage wurde komplett überarbeitet und beinhaltet den aktuellen Stand der Normen und Richtlinien für die Medizintechnik."-- Provided by publisher.

• Introduction
• Overview of the different bodies of Religious Law
• Various approaches
• Our approach : research subject
• Methods of Comparative Law of Religions
• Universality and particularity of the law
• The significance of Religious Law within State Law.

"Comparative law of religions has developed in recent years as a new discipline at the intersection of legal and religious science, of theology and anthropology. This book presents a systematic theoretical basis for this new discipline. While law is mostly associated with the state, many religions also have their own internal law. These internal legal norms are aimed at a particular form of behaviour on the part of believers. They therefore play a particular role in conflicts arising today between certain religious forms of behaviour. The comparison of the internal law of religions serves to establish and explain the commonalities and differences between various religious legal traditions. The religions examined here include: the law of Christian denominations, Jewish law, Islamic law, Hindu law, Buddhist law, and other religious legal systems. The work assesses six current approaches to the comparative law of religions, evaluating their strengths and weaknesses, leading to the development of a new approach. The book discusses the role of religious law in state law and looks to likely future developments"-- Provided by publisher.

• 1: Einleitung
• Verwendete Bibliotheken
• Installation mit pip
• Installation mit conda
• Kapitel
• 2: Der Vorgang des maschinellen Lernens: Überblick
• Kapitel
• 3: Klassifikation Schritt für Schritt: der Titanic-Datensatz
• Vorschlag für das Projektlayout
• Importe
• Eine Frage stellen
• Begriffe und Bezeichnungen für die Daten
• Daten sammeln
• Daten säubern
• Merkmale gewinnen
• Stichproben von Daten nehmen
• Daten auffüllen
• Daten normalisieren
• Refaktorieren
• Vergleichsmodell
• Verschiedene Algorithmenfamilien
• Stacking

• Ein Modell erstellen
• Das Modell auswerten
• Das Modell optimieren
• Wahrheitsmatrix
• Grenzwertoptimierungskurve (ROC-Kurve)
• Trainingskurve
• Das Modell einsetzen
• Kapitel
• 4: Fehlende Daten
• Fehlende Daten untersuchen
• Fehlende Daten entfernen
• Daten auffüllen
• Indikatorspalten hinzufügen
• Kapitel
• 5: Daten säubern
• Spaltennamen
• Fehlende Werte ersetzen
• Kapitel
• 6: Erkunden
• Datenmenge
• Zusammenfassende Statistiken
• Histogramm
• Streudiagramm
• Kombidiagramm
• Paarmatrix
• Kasten- und Violinendiagramme
• Vergleich zweier Ordinalwerte
• Korrelation
• RadViz

• Parallele Koordinaten
• Kapitel
• 7: Daten vorverarbeiten
• Standardisieren
• Den Wertebereich skalieren
• Dummy-Variablen
• Markierungen codieren
• Häufigkeitscodierung
• Kategorien aus Text gewinnen
• Weitere kategoriale Codierungen
• Datumsmerkmale konstruieren
• Ein Merkmal col_na hinzufügen
• Manuelle Merkmalskonstruktion
• Kapitel
• 8: Merkmalsauswahl
• Kollineare Spalten
• Lasso-Regression
• Rekursiver Ausschluss von Merkmalen
• Wechselseitige Aussagekraft
• Hauptkomponentenverfahren
• Merkmalsgewichtung
• Kapitel
• 9: Unausgeglichene Klassen
• Eine andere Metrik anwenden

• Baumalgorithmen und Ensembles
• Modelle mit Strafpunkten
• Minderheiten erweitern
• Minderheitsdaten erzeugen
• Mehrheiten verkleinern
• Erweitern und danach verkleinern
• Kapitel
• 10: Klassifikation
• Logistische Regression
• Naiver Bayes-Klassifikator
• Supportvektormaschine
• K-nächste Nachbarn
• Entscheidungsbaum
• Random-Forest
• XGBoost
• Gradientenverstärkung mit LightGBM
• TPOT
• Kapitel
• 11: Modellauswahl
• Validierungskurve
• Lernkurve
• Kapitel
• 12: Metriken und Beurteilung der Klassifikation
• Wahrheitsmatrix
• Metriken
• Vertrauenswahrscheinlichkeit
• Trefferquote

• Genauigkeit
• F1 (F-Maß)
• Klassifikationstafel
• ROC-Kurve (Grenzwertoptimierungskurve)
• Kurve der Genauigkeit über der Trefferquote
• Kumulatives Gain-Diagramm
• Lift-Kurve
• Ausgeglichenheit der Klassen
• Klassenvorhersagefehler
• Ansprechschwelle
• Kapitel
• 13: Interpretation von Modellen
• Regressionskoeffizienten
• Merkmalsgewichtung
• LIME
• Interpretation von Bäumen
• Partielle Abhängigkeitsdiagramme
• Stellvertretermodelle
• Shapley
• Kapitel
• 14: Regression
• Vergleichsmodell
• Lineare Regression
• Supportvektormaschinen (SVM)
• K-nächste Nachbarn

With detailed notes, tables, and examples, this handy reference will help you navigate the basics of structured machine learning. Author Matt Harrison delivers a valuable guide that you can use for additional support during training and as a convenient resource when you dive into your next machine learning project. Ideal for programmers, data scientists, and AI engineers, this book includes an overview of the machine learning process and walks you through classification with structured data. You'll also learn methods for clustering, predicting a continuous value (regression), and reducing dimensionality, among other topics. -- Provided by publisher.