• Produktbild: Machine Learning for the Physical Sciences
  • Produktbild: Machine Learning for the Physical Sciences

Machine Learning for the Physical Sciences Fundamentals and Prototyping with Julia

Fr. 303.00

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

11.12.2023

Abbildungen

schwarz-weiss Illustrationen, Raster, schwarz-weiss, Zeichnungen, schwarz-weiss, Tabellen, schwarz-weiss

Verlag

Taylor & Francis

Seitenzahl

288

Maße (L/B/H)

24/16.1/2 cm

Gewicht

548 g

Sprache

Englisch

ISBN

978-1-03-239229-5

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

11.12.2023

Abbildungen

schwarz-weiss Illustrationen, Raster, schwarz-weiss, Zeichnungen, schwarz-weiss, Tabellen, schwarz-weiss

Verlag

Taylor & Francis

Seitenzahl

288

Maße (L/B/H)

24/16.1/2 cm

Gewicht

548 g

Sprache

Englisch

ISBN

978-1-03-239229-5

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern

Die Leseprobe wird geladen.
  • Produktbild: Machine Learning for the Physical Sciences
  • Produktbild: Machine Learning for the Physical Sciences
  • Chapter 1: Multivariate Calculus. Chapter 2: Probability Theory. Chapter 3: Dimensionality Reduction. Chapter 4: Cluster Analysis. Chapter 5: Vector Quantization Techniques. Chapter 6: Regression Models. Chapter 7: Classification. Chapter 8: Feedforward Networks. Chapter 9: Advanced Network Architectures. Chapter 10: Value Methods. Chapter 11: Gradient Methods. Chapter 12: Population-Based Metaheuristic Methods. Chapter 13: Local Search methods. Appendix A: Sufficient Statistic. Appendix B: Graphs. Appendix C: Sequential Minimization Optimization. Appendix D: Algorithmic Differentiation. Appendix E: Batch Normalizing Transform. Appendix F: Divergence of Two Gaussian Distributions. Appendix G: Continuous-time Bellman's Equation. Appendix H: Conjugate Gradient. Appendix I: Importance Sampling. References. Index.