دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Data-Driven Modeling & Scientific Computation: Methods for Complex Systems & Big Data
دانلود کتاب مدل‌سازی مبتنی بر داده و محاسبات علمی: روش‌هایی برای سیستم‌های پیچیده و داده‌های بزرگ
مشخصات کتاب
Data-Driven Modeling & Scientific Computation: Methods for Complex Systems & Big Data
ویرایش:
نویسندگان: J. Nathan Kutz
سری:
ISBN (شابک) : 0199660344, 9780199660346
ناشر: Oxford University Press
سال نشر: 2013
تعداد صفحات: 657
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 مگابایت
قیمت کتاب (تومان) : 36,000
در صورت تبدیل فایل کتاب Data-Driven Modeling & Scientific Computation: Methods for Complex Systems & Big Data به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مدل‌سازی مبتنی بر داده و محاسبات علمی: روش‌هایی برای سیستم‌های پیچیده و داده‌های بزرگ نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب مدل‌سازی مبتنی بر داده و محاسبات علمی: روش‌هایی برای سیستم‌های پیچیده و داده‌های بزرگ
حوزه رو به رشد تجزیه و تحلیل داده ها با سرعتی باورنکردنی در
حال گسترش است که به دلیل گسترش جمع آوری داده ها در تقریباً هر
حوزه ای از علم است. مجموعه داده‌های عظیمی که امروزه به طور
معمول در علوم با آن مواجه می‌شوند، انگیزه‌ای برای توسعه
تکنیک‌های ریاضی و الگوریتم‌های محاسباتی است که به ترکیب، تفسیر
و معنا بخشیدن به داده‌ها در زمینه محیط علمی آن کمک می‌کند. هدف
خاص این کتاب ادغام روش‌های محاسباتی علمی استاندارد با تجزیه و
تحلیل داده‌ها است. با انجام این کار، ایده‌های کلیدی از:
آمار DT،
تحلیل زمان-فرکانس DT، و
DT کاهش‌های ابعاد پایین
ترکیب این ایده ها بینش معناداری را در مورد مجموعه داده هایی که
امروزه در هر موضوع علمی با آن مواجه هستیم، از جمله آنهایی که از
سیستم های پیچیده دینامیکی تولید می شوند، ارائه می دهد. این یک
زمینه به خصوص هیجان انگیز است و قسمت اعظم قسمت پایانی کتاب با
مثال های شهودی از آن هدایت می شود، که نشان می دهد چگونه می توان
از این سه حوزه در ترکیب استفاده کرد تا بینش انتقادی در مورد
عملکرد اساسی مسائل مختلف ارائه دهد.
> مدل سازی و محاسبات علمی مبتنی بر داده، بررسی تکنیک های حل
عددی عملی برای معادلات دیفرانسیل معمولی و جزئی و همچنین
الگوریتم هایی برای دستکاری و تجزیه و تحلیل داده ها است. تأکید
بر اجرای طرح‌های عددی برای مسائل عملی در علوم مهندسی،
زیست‌شناسی و فیزیکی است.
این کتاب یک متن در دسترس مقدماتی تا پیشرفته است، این کتاب به
طور کامل متلب و عملکرد برنامه نویسی همه کاره و سطح بالای آن را
ادغام می کند، در حالی که مهارت های محاسباتی و داده ای را برای
دانشجویان کارشناسی و کارشناسی ارشد در محاسبات علمی گرد هم می
آورد.
توضیحاتی درمورد کتاب به خارجی
The burgeoning field of data analysis is expanding at an
incredible pace due to the proliferation of data collection in
almost every area of science. The enormous data sets now
routinely encountered in the sciences provide an incentive to
develop mathematical techniques and computational algorithms
that help synthesize, interpret and give meaning to the data in
the context of its scientific setting. A specific aim of this
book is to integrate standard scientific computing methods with
data analysis. By doing so, it brings together, in a
self-consistent fashion, the key ideas from:
DT statistics,
DT time-frequency analysis, and
DT low-dimensional reductions
The blend of these ideas provides meaningful insight into the
data sets one is faced with in every scientific subject today,
including those generated from complex dynamical systems. This
is a particularly exciting field and much of the final part of
the book is driven by intuitive examples from it, showing how
the three areas can be used in combination to give critical
insight into the fundamental workings of various
problems.
Data-Driven Modeling and Scientific Computation is a survey of
practical numerical solution techniques for ordinary and
partial differential equations as well as algorithms for data
manipulation and analysis. Emphasis is on the implementation of
numerical schemes to practical problems in the engineering,
biological and physical sciences.
An accessible introductory-to-advanced text, this book fully
integrates MATLAB and its versatile and high-level programming
functionality, while bringing together computational and data
skills for both undergraduate and graduate students in
scientific computing.
