dc.contributor.author
Sariyar, Murat
dc.date.accessioned
2018-06-07T18:11:10Z
dc.date.available
2016-08-22T07:06:12.374Z
dc.identifier.uri
https://refubium.fu-berlin.de/handle/fub188/4721
dc.identifier.uri
http://dx.doi.org/10.17169/refubium-8921
dc.description.abstract
In dieser Habilitationsschrift werden Probleme in zwei unterschiedlichen
Domänen (Record Linkage und hochdimensionale Daten) mit Hilfe von maschinellen
Lernverfahren angegangen. Die Annahme ist, dass diese zu Erkenntnissen und
Lösungen führen, zu denen man mit deterministischen und klassisch-
statistischen Mitteln nur schwer oder gar nicht gelangen würde.
de
dc.description.abstract
In this habilitation thesis, problems in two different domains (record linkage
and high-dimensional data) are addressed by using machine learning approaches.
The assumption is that they lead to insights and solutions to which it would
be difficult or even impossible to arrive with deterministic and classical
statistical methods.
en
dc.rights.uri
http://www.fu-berlin.de/sites/refubium/rechtliches/Nutzungsbedingungen
dc.subject
machine learning
dc.subject
record linkage
dc.subject
high-dimensional data
dc.subject.ddc
600 Technik, Medizin, angewandte Wissenschaften::610 Medizin und Gesundheit
dc.title
Maschinelle Lernverfahren für nieder- und hochdimensionale Probleme
dc.contributor.contact
murat.sariyar@charite.de
dc.contributor.firstReferee
Prof. Hans-Ulrich Prokosch
dc.contributor.furtherReferee
Prof. Ulrich Sax
dc.date.accepted
2016-05-09
dc.identifier.urn
urn:nbn:de:kobv:188-fudissthesis000000102798-5
dc.title.subtitle
Zusammenführung und Analyse biomedizinischer Daten
dc.title.translated
Machine learning approaches for low and high-dimensional problems
en
dc.title.translatedsubtitle
merging and analysis of biomedical data
en
refubium.affiliation
Charité - Universitätsmedizin Berlin
de
refubium.mycore.fudocsId
FUDISS_thesis_000000102798
refubium.mycore.derivateId
FUDISS_derivate_000000019877
dcterms.accessRights.dnb
free
dcterms.accessRights.openaire
open access
