Bewertung:
Das Buch ist ein vielbeachtetes Hilfsmittel zum Verständnis von angewandter Mathematik und MATLAB, das für seine klaren Erklärungen, die ansprechende Präsentation und die Integration praktischer Beispiele gelobt wird. Es ist vor allem für diejenigen von Vorteil, die bereits über einige Vorkenntnisse in diesem Bereich verfügen. Im weiteren Verlauf wird das Material jedoch anspruchsvoller und setzt fortgeschrittene Kenntnisse in Mathematik und Physik voraus.
Vorteile:⬤ Klare und fesselnde Darstellung komplexer Konzepte.
⬤ Der Schwerpunkt liegt auf der praktischen Anwendung und auf Beispielen aus der Praxis.
⬤ Effektive Integration von MATLAB und numerischer Mathematik.
⬤ Hilfreich sowohl für Studenten als auch für Doktoranden, insbesondere für solche mit Vorkenntnissen.
⬤ Enthält interessante historische Referenzen und Vorschläge für Studentenprojekte.
⬤ Die letzten Kapitel sind möglicherweise zu fortgeschritten für typische Studenten, die über kein großes Hintergrundwissen verfügen.
⬤ Nicht rigoros genug für diejenigen, die ein gründliches theoretisches Verständnis anstreben.
⬤ Einige Leser empfanden es als Herausforderung, wenn sie keine soliden Grundkenntnisse in Linearer Algebra und Differentialgleichungen hatten.
⬤ Der fehlende umfassende Überblick über numerische Methoden könnte dazu führen, dass sich einige Leser mehr Kontext wünschen.
(basierend auf 21 Leserbewertungen)
Data-Driven Modeling & Scientific Computation: Methods for Complex Systems & Big Data
Der aufkeimende Bereich der Datenanalyse wächst aufgrund der zunehmenden Datenerfassung in fast allen Bereichen der Wissenschaft mit unglaublicher Geschwindigkeit. Die enormen Datenmengen, die heute in den Wissenschaften routinemäßig anfallen, bieten einen Anreiz, mathematische Techniken und Rechenalgorithmen zu entwickeln, die dabei helfen, die Daten zu synthetisieren, zu interpretieren und ihnen im Kontext des wissenschaftlichen Umfelds eine Bedeutung zu verleihen. Ein spezielles Ziel dieses Buches ist es, Standardmethoden des wissenschaftlichen Rechnens in die Datenanalyse zu integrieren. Auf diese Weise bringt es in einer in sich konsistenten Weise die wichtigsten Ideen aus folgenden Bereichen zusammen:
DT-Statistik,.
DT Zeit-Frequenz-Analyse, und.
DT niedrigdimensionalen Reduktionen.
Die Mischung dieser Ideen bietet sinnvolle Einblicke in die Datensätze, mit denen man heute in jedem wissenschaftlichen Fachgebiet konfrontiert ist, einschließlich derer, die aus komplexen dynamischen Systemen stammen. Dies ist ein besonders spannendes Gebiet, und ein großer Teil des letzten Teils des Buches wird von intuitiven Beispielen aus diesem Bereich bestimmt, die zeigen, wie die drei Bereiche in Kombination verwendet werden können, um einen entscheidenden Einblick in die grundlegende Funktionsweise verschiedener Probleme zu geben.
Data-Driven Modeling and Scientific Computation ist ein Überblick über praktische numerische Lösungsverfahren für gewöhnliche und partielle Differentialgleichungen sowie Algorithmen zur Datenmanipulation und -analyse. Der Schwerpunkt liegt auf der Implementierung numerischer Verfahren für praktische Probleme in den Ingenieur-, Bio- und Naturwissenschaften.
Dieses Buch ist ein leicht verständlicher Text für Einsteiger und Fortgeschrittene, der MATLAB und seine vielseitigen und anspruchsvollen Programmierfunktionen vollständig integriert und gleichzeitig Rechen- und Datenkenntnisse für Studenten und Absolventen des wissenschaftlichen Rechnens vermittelt.
| ISBN: | 9780199660346 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2013 |
| Seitenzahl: | 656 |
Derzeit verfügbar, auf Lager.
