Новая книга!!! Наука и инженерия, основанные на данных: машинное обучение, динамические системы и...

Новое, второе издание нашей книги: «Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control» Стивена Л. Брантона и Дж. Натана Куца

СКАЧАТЬ PDF-версию 2-го издания: https://faculty.washington.edu/sbrunt...
PDF-версию 1-го издания: https://databookuw.com/databook.pdf

AMAZON: https://www.amazon.com/Data-Driven-Sc...

КЕМБРИДЖ: https://www.cambridge.org/highereduca...

КОДЫ: https://github.com/dynamicslab/

НОВОЕ В ЭТОМ ИЗДАНИИ:

Новые главы:
Обучение с подкреплением
Машинное обучение с учётом физики
Программирование на Python и Matlab
Домашние задания к каждой главе, от вводных тем до сложных проектов
Видеоролики к каждому разделу
Новые разделы с такими темами, как число обусловленности и границы ошибок для SVD; автоэнкодеры, рекуррентные нейронные сети и генеративно-состязательные сети; а также нейронные сети для моделей пониженного порядка

Исследование на основе данных революционизирует способы моделирования, прогнозирования и управления сложными системами. Этот учебник, теперь с Python и MATLAB®, готовит учёных-математиков и инженеров к следующему поколению научных открытий, предлагая широкий обзор растущего взаимодействия методов, управляемых данными, машинного обучения, прикладной оптимизации и классических областей инженерной математики и математической физики. С акцентом на интеграцию моделирования и управления динамическими системами с современными методами прикладного машинного обучения, этот учебник включает в себя методы, выбранные с учётом их актуальности, простоты и общности. Темы варьируются от вводных до исследовательских, что делает его доступным для продвинутых студентов бакалавриата и начинающих аспирантов инженерных и физических наук. Второе издание включает новые главы, посвящённые обучению с подкреплением и машинному обучению с учётом физических данных, важные новые разделы и упражнения по главам. Дополнительные онлайн-материалы, включая видеолекции по разделам, домашние задания, данные и код на MATLAB®, Python, Julia и R, доступны на сайте databookuw.com.