Stellen Sie sicher, dass Sie die Sprache Ihrer Website auswählen, bevor Sie Artikel hinzufügen.
Wählen Sie eine Kategorie und eine Unterkategorie.
Durchsuchen Sie alle Ressourcen in der ausgewählten Unterkategorie und fügen Sie die benötigten Ressourcen zu Ihrem Lehrplan hinzu, indem Sie das Kästchen hinter dem Listenelement anklicken.
Sie können Elemente aus Ihrem Lehrplan entfernen, indem Sie das Kästchen hinter dem Listenelement deaktivieren.
Sie können über die Navigationsleiste zu einer anderen Kategorie oder Unterkategorie wechseln und so viele Ressourcen aus dem gesamten Portal zu Ihrem Lehrplan hinzufügen, wie Sie benötigen. Alle hinzugefügten oder entfernten Elemente werden automatisch gespeichert.
Sie können sich jederzeit einen Überblick über alle ausgewählten Lehrplanartikel verschaffen, indem Sie auf die Schaltfläche "Lehrplan anzeigen" klicken.
Um alle Elemente aus dem Studienplan zu löschen, klicken Sie in der Studienplanübersicht auf die Schaltfläche "Löschen".
In der Übersicht können Sie den Namen der Universität, des Studiengangs, des Kurses und des Dozenten hinzufügen. Diese Informationen werden nicht automatisch gespeichert, Sie müssen also auf "Speichern" klicken, bevor Sie die Übersicht schließen.
Um Ihren Lehrplan herunterzuladen, klicken Sie in der Übersicht auf "PDF exportieren". Vor dem Herunterladen müssen Sie Ihre Kursinformationen hinzufügen und speichern.
Thank you for signing up to our newsletter!
Thank you! RSVP received for Hastie, Trevor, Robert Tibshirani und Jerome Friedman. Die Elemente des statistischen Lernens: Data Mining, Inferenz und Vorhersage. 2. Aufl. Springer-Reihe in Statistik. New York, NY: Springer New York, 2009.
Thank you for applying! We will be in touch.
Apply for: Hastie, Trevor, Robert Tibshirani und Jerome Friedman. Die Elemente des statistischen Lernens: Data Mining, Inferenz und Vorhersage. 2. Aufl. Springer-Reihe in Statistik. New York, NY: Springer New York, 2009.
Hastie, Trevor, Robert Tibshirani und Jerome Friedman. Die Elemente des statistischen Lernens: Data Mining, Inferenz und Vorhersage. 2. Aufl. Springer-Reihe in Statistik. New York, NY: Springer New York, 2009.
