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
- Kartoniert
- 365 Seiten
- Erschienen 2014
- Springer
- Hardcover -
- Erschienen 2017
- Springer
- hardcover
- 440 Seiten
- Erschienen 2007
- Taylor & Francis Inc
- Kartoniert
- 514 Seiten
- Erschienen 2002
- Springer
- Gebunden
- 250 Seiten
- Erschienen 2011
- Springer
- hardcover
- 208 Seiten
- Erschienen 2023
- Wiley-ISTE
- Kartoniert
- 598 Seiten
- Erschienen 2012
- Springer
- Kartoniert
- 342 Seiten
- Erschienen 2017
- Springer




