![[Recenzja] Data-Driven Science and Engineering (Steven L. Brunton) Streszczenie.](https://episodes.castos.com/660078c6833215-59505987/images/2553367/c1a-085k3-25om87dxix3-7mv4oz.jpg)
Show Notes
Data-Driven Science and Engineering (Steven L. Brunton)
- Amazon Poland Store: https://www.amazon.pl/dp/1009098489?tag=9natreepoland-21
- Amazon Worldwide Store: https://global.buys.trade/Data-Driven-Science-and-Engineering-Steven-L-Brunton.html
- Apple Books: https://books.apple.com/us/audiobook/data-driven-science-and-engineering-mastering-the/id1762587111?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree
- eBay: https://www.ebay.com/sch/i.html?_nkw=Data+Driven+Science+and+Engineering+Steven+L+Brunton+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- Czytaj więcej: https://polish.9natree.com/read/1009098489/
#SINDy #dekompozycjamodówdynamicznych #redukcjawymiaru #uczeniezewzmocnieniem #uczeniemaszynoweuwzględniającefizykę #DataDrivenScienceandEngineering
Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control, autorstwa Stevena L. Bruntona i J. Nathana Kutza, jest podręcznikiem z pogranicza uczenia maszynowego, matematyki stosowanej, modelowania dynamiki oraz teorii sterowania. Drugie wydanie z 2022 roku pokazuje, jak z pomiarów budować użyteczne modele złożonych zjawisk, przewidywać ich rozwój i projektować interwencje sterujące. Nie traktuje danych jako zastępstwa dla wiedzy fizycznej. Jego celem jest połączenie metod obliczeniowych z rozumieniem struktury układów dynamicznych, ograniczeń pomiarowych i praw rządzących badanym procesem. Książka omawia między innymi redukcję wymiaru, dekompozycję modów dynamicznych, rzadką identyfikację równań, uczenie ze wzmocnieniem i uczenie uwzględniające fizykę. Materiał prowadzi od narzędzi podstawowych do zagadnień bliskich współczesnym badaniom. Jest przeznaczony przede wszystkim dla zaawansowanych studentów oraz początkujących doktorantów nauk inżynieryjnych i ścisłych, którzy znają rachunek różniczkowy, algebrę liniową oraz podstawy programowania w Pythonie lub MATLAB-ie.
- Amazon Poland Store: https://www.amazon.pl/dp/1009098489?tag=9natreepoland-21
- Amazon Worldwide Store: https://global.buys.trade/Data-Driven-Science-and-Engineering-Steven-L-Brunton.html
- Apple Books: https://books.apple.com/us/audiobook/data-driven-science-and-engineering-mastering-the/id1762587111?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree
- eBay: https://www.ebay.com/sch/i.html?_nkw=Data+Driven+Science+and+Engineering+Steven+L+Brunton+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- Czytaj więcej: https://polish.9natree.com/read/1009098489/
#SINDy #dekompozycjamodówdynamicznych #redukcjawymiaru #uczeniezewzmocnieniem #uczeniemaszynoweuwzględniającefizykę #DataDrivenScienceandEngineering
Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control, autorstwa Stevena L. Bruntona i J. Nathana Kutza, jest podręcznikiem z pogranicza uczenia maszynowego, matematyki stosowanej, modelowania dynamiki oraz teorii sterowania. Drugie wydanie z 2022 roku pokazuje, jak z pomiarów budować użyteczne modele złożonych zjawisk, przewidywać ich rozwój i projektować interwencje sterujące. Nie traktuje danych jako zastępstwa dla wiedzy fizycznej. Jego celem jest połączenie metod obliczeniowych z rozumieniem struktury układów dynamicznych, ograniczeń pomiarowych i praw rządzących badanym procesem. Książka omawia między innymi redukcję wymiaru, dekompozycję modów dynamicznych, rzadką identyfikację równań, uczenie ze wzmocnieniem i uczenie uwzględniające fizykę. Materiał prowadzi od narzędzi podstawowych do zagadnień bliskich współczesnym badaniom. Jest przeznaczony przede wszystkim dla zaawansowanych studentów oraz początkujących doktorantów nauk inżynieryjnych i ścisłych, którzy znają rachunek różniczkowy, algebrę liniową oraz podstawy programowania w Pythonie lub MATLAB-ie.
