
Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control
Kurzinformation



inkl. MwSt. Versandinformationen
Artikel zZt. nicht lieferbar
Artikel zZt. nicht lieferbar

Beschreibung
"Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control" von J. Nathan Kutz bietet eine umfassende Einführung in die Integration von Datenanalyse und maschinellem Lernen mit dynamischen Systemen und Kontrolltheorie. Das Buch richtet sich an Studierende und Fachleute aus den Bereichen Ingenieurwissenschaften, Physik, Mathematik und Informatik. Es behandelt grundlegende Konzepte und Techniken des maschinellen Lernens sowie deren Anwendung auf dynamische Systeme. Der Autor erklärt Methoden zur Modellierung, Analyse und Kontrolle komplexer Systeme anhand von Daten. Dazu gehören Themen wie Regression, Klassifikation, Dimensionenreduktion und Sparsity-Promoting-Techniken. Zahlreiche Beispiele und Fallstudien veranschaulichen den praktischen Einsatz dieser Methoden in realen wissenschaftlichen und ingenieurtechnischen Anwendungen.
Produktdetails

So garantieren wir Dir zu jeder Zeit Premiumqualität.
- hardcover
- 278 Seiten
- Erschienen 2017
- World Scientific
- Hardcover
- 464 Seiten
- Erschienen 2020
- John Wiley & Sons Inc
- paperback
- 256 Seiten
- Erschienen 2010
- Springer
- hardcover
- 555 Seiten
- Erschienen 2017
- Athena Scientific
- Hardcover -
- Erschienen 2017
- Springer
- hardcover
- 440 Seiten
- Erschienen 2007
- Taylor & Francis Inc
- Hardcover
- 458 Seiten
- Erschienen 2010
- MIT Press
- Kartoniert
- 514 Seiten
- Erschienen 2002
- Springer
- hardcover
- 208 Seiten
- Erschienen 2023
- Wiley-ISTE