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.
- Kartoniert
- 760 Seiten
- Erschienen 2016
- Springer
- hardcover
- 288 Seiten
- Erschienen 2008
- WILEY-AICHE
- paperback
- 380 Seiten
- Erschienen 2019
- Springer
- paperback
- 223 Seiten
- Erschienen 2021
- Sergios Karagiannakos
- Gebunden
- 264 Seiten
- Erschienen 2013
- Springer
- Kartoniert
- 280 Seiten
- Erschienen 2018
- MIT Press
- Gebunden
- 270 Seiten
- Erschienen 2012
- Springer
- paperback
- 830 Seiten
- Erschienen 2005
- Springer
- hardcover
- 446 Seiten
- Erschienen 1988
- Prentice-Hall




