Datengesteuerte Wissenschaft und Technik: Maschinelles Lernen, Dynamische Systeme und Steuerung

Bewertung:   (4,7 von 5)

Datengesteuerte Wissenschaft und Technik: Maschinelles Lernen, Dynamische Systeme und Steuerung (L. Brunton Steven)

Leserbewertungen

Zusammenfassung:

Das Buch wird dafür gelobt, dass es eine klare und zugängliche Einführung in datengesteuerte dynamische Systeme bietet, die komplexe mathematische Konzepte verständlich und anwendbar macht, insbesondere mit den begleitenden Python-Codes und Berechnungsbeispielen. Es ist gut strukturiert und deckt eine Reihe von Themen ab, die von den Grundlagen bis hin zu fortgeschrittenen Themen reichen, was sowohl für Fachleute als auch für Studenten interessant ist. In einigen Rezensionen wird jedoch angemerkt, dass es ein gewisses Maß an Vorkenntnissen voraussetzt, insbesondere in linearer Algebra, und dass es Probleme mit dem Versand und der Verpackung gab.

Vorteile:

Klare und verständliche Erklärungen von komplexen Konzepten.
Umfassende Behandlung von datengesteuerten dynamischen Systemen.
Starker pädagogischer Ansatz mit Berechnungsbeispielen.
Begleitende Python-, Matlab-, Julia- und R-Codes für die praktische Anwendung.
Gute Balance zwischen Theorie und praktischer Anwendung.
Neue Kapitel zu modernen Themen wie Reinforcement Learning.

Nachteile:

Setzt Vorkenntnisse voraus, insbesondere in linearer Algebra.
Einige Leser fanden es für Anfänger zu dicht oder zu fortgeschritten.
Versandprobleme wurden festgestellt, einschließlich Schäden an Büchern während des Transports und Verzögerungen bei der Lieferung.

(basierend auf 20 Leserbewertungen)

Originaltitel:

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

Inhalt des Buches:

Die datengesteuerte Forschung revolutioniert die Art und Weise, wie wir komplexe Systeme modellieren, vorhersagen und steuern. Dieses Lehrbuch, jetzt mit Python und MATLAB(R), bereitet mathematische Wissenschaftler und Ingenieure auf die nächste Generation wissenschaftlicher Entdeckungen vor, indem es einen umfassenden Überblick über die wachsende Schnittmenge von datengesteuerten Methoden, maschinellem Lernen, angewandter Optimierung und klassischen Bereichen der Ingenieurmathematik und mathematischen Physik bietet.

Mit dem Schwerpunkt auf der Integration der Modellierung und Steuerung dynamischer Systeme mit modernen Methoden des angewandten maschinellen Lernens enthält dieser Text Methoden, die aufgrund ihrer Relevanz, Einfachheit und Allgemeinheit ausgewählt wurden. Die Themen reichen von einführenden bis hin zu forschungsrelevanten Themen, so dass das Buch auch für fortgeschrittene Studenten und angehende Doktoranden der Ingenieur- und Naturwissenschaften zugänglich ist.

Die zweite Auflage enthält neue Kapitel über Verstärkungslernen und physikalisch informiertes maschinelles Lernen, wichtige neue Abschnitte im gesamten Buch und Übungen zu den Kapiteln. Ergänzendes Online-Material - einschließlich Vorlesungsvideos pro Abschnitt, Hausaufgaben, Daten und Code in MATLAB(R), Python, Julia und R - ist auf databookuw.com verfügbar.

Weitere Daten des Buches:

ISBN:9781009098489
Autor:
Verlag:
Einband:Hardcover
Erscheinungsjahr:2022
Seitenzahl:550

Kauf:

Derzeit verfügbar, auf Lager.

Ich kaufe es!

Weitere Bücher des Autors:

Datengestützte Wissenschaft und Technik: Maschinelles Lernen, Dynamische Systeme und Steuerung -...
Die datengestützte Entdeckung revolutioniert die...
Datengestützte Wissenschaft und Technik: Maschinelles Lernen, Dynamische Systeme und Steuerung - Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control
Datengesteuerte Wissenschaft und Technik: Maschinelles Lernen, Dynamische Systeme und Steuerung -...
Die datengesteuerte Forschung revolutioniert die...
Datengesteuerte Wissenschaft und Technik: Maschinelles Lernen, Dynamische Systeme und Steuerung - Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control

Die Werke des Autors wurden von folgenden Verlagen veröffentlicht:

© Book1 Group - Alle Rechte vorbehalten.
Der Inhalt dieser Seite darf weder teilweise noch vollständig ohne schriftliche Genehmigung des Eigentümers kopiert oder verwendet werden.
Letzte Änderung: 2024.11.13 22:11 (GMT)