دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control
دانلود کتاب علوم و مهندسی داده محور: یادگیری ماشین ، سیستم های پویا و کنترل
مشخصات کتاب
Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control
ویرایش: نویسندگان: Steven L. Brunton, J. Nathan Kutz سری: ISBN (شابک) : 1108422098, 9781108422093 ناشر: Cambridge University Press سال نشر: 2019 تعداد صفحات: 496 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 30 مگابایت
قیمت کتاب (تومان) : 35,000
در صورت تبدیل فایل کتاب Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control 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 علوم و مهندسی داده محور: یادگیری ماشین ، سیستم های پویا و کنترل 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 علوم و مهندسی داده محور: یادگیری ماشین ، سیستم های پویا و کنترل
اکتشاف مبتنی بر داده در مدل‌سازی، پیش‌بینی و کنترل سیستم‌های پیچیده انقلابی ایجاد می‌کند. این کتاب درسی، یادگیری ماشین، ریاضیات مهندسی و فیزیک ریاضی را برای ادغام مدل‌سازی و کنترل سیستم‌های دینامیکی با روش‌های مدرن در علم داده گرد هم می‌آورد. بسیاری از پیشرفت‌های اخیر در محاسبات علمی را برجسته می‌کند که روش‌های مبتنی بر داده را قادر می‌سازد تا در طیف متنوعی از سیستم‌های پیچیده مانند آشفتگی، مغز، آب و هوا، اپیدمیولوژی، امور مالی، روباتیک و خودمختاری اعمال شوند. این متن با هدف مقاطع کارشناسی ارشد و دانشجویان مقطع کارشناسی ارشد در رشته های مهندسی و علوم فیزیکی، طیف وسیعی از موضوعات و روش ها را از مقدماتی تا پیشرفته ارائه می دهد.
توضیحاتی درمورد کتاب به خارجی
Data-driven discovery is revolutionizing the modeling, prediction, and control of complex systems. This textbook brings together machine learning, engineering mathematics, and mathematical physics to integrate modeling and control of dynamical systems with modern methods in data science. It highlights many of the recent advances in scientific computing that enable data-driven methods to be applied to a diverse range of complex systems, such as turbulence, the brain, climate, epidemiology, finance, robotics, and autonomy. Aimed at advanced undergraduate and beginning graduate students in the engineering and physical sciences, the text presents a range of topics and methods from introductory to state of the art.
فهرست مطالب
Cover Front Matter Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control Copyright Contents Preface Common Optimization Techniques, Equations, Symbols, and Acronyms Part I: Dimensionality Reduction and Transforms 1 Singular Value Decomposition (SVD) 2 Fourier and Wavelet Transforms 3 Sparsity and Compressed Sensing Part II: Machine Learning and Data Analysis 4 Regression and Model Selection 5 Clustering and Classification 6 Neural Networks and Deep Learning Part III: Dynamics and Control 7 Data-Driven Dynamical Systems 8 Linear Control Theory 9 Balanced Models for Control 10 Data-Driven Control Part IV: Reduced Order Models 11 Reduced Order Models (ROMs) 12 Interpolation for Parametric ROMs Glossary Bibliography Index
