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
- Kartoniert
- 365 Seiten
- Erschienen 2014
- Springer
- Kartoniert
- 179 Seiten
- Erschienen 2018
- Springer
- Kartoniert
- 514 Seiten
- Erschienen 2002
- Springer
- paperback
- 545 Seiten
- Erschienen 2009
- Springer
- paperback
- 540 Seiten
- Erschienen 2006
- Springer
- Gebunden
- 250 Seiten
- Erschienen 2011
- Springer
- Kartoniert
- 598 Seiten
- Erschienen 2012
- Springer
- Kartoniert
- 342 Seiten
- Erschienen 2017
- Springer
- hardcover
- 335 Seiten
- Erschienen 2018
- Taylor & Francis Ltd
- Gebunden
- 320 Seiten
- Erschienen 2019
- Carl Hanser Verlag GmbH & C...
- hardcover
- 358 Seiten
- Erschienen 1999
- CRC Press




