Data Science for IoT Engineers
A Systems Analytics Approach
-
5% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 54.95
-
23 309 Ft (22 199 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 5% (cc. 1 165 Ft off)
- Discounted price 22 144 Ft (21 089 Ft + 5% áfa)
23 309 Ft
Beszerezhetőség
Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 1
- Kiadó Mercury Learning and Information
- Megjelenés dátuma 2021. december 31.
- ISBN 9781683926429
- Kötéstípus Puhakötés
- Terjedelem158 oldal
- Méret 229x178 mm
- Súly 444 g
- Nyelv angol 275
Kategóriák
Rövid leírás:
Designed to introduce the concepts of data science to professionals in engineering, physics, mathematics, and allied fields. This is a workbook with MATLAB code that creates a common framework and points out various interconnections related to industry.
TöbbHosszú leírás:
No detailed description available for "Data Science for IoT Engineers".
TöbbTartalomjegyzék:
Part One
1: Machine Learning from Multiple Perspectives
2: Introduction to Machine Learning
3: Systems Theory, Linear Algebra, and Analytics Basics
4: Modern Machine Learning
Part Two: Systems Analytics
5: Systems Theory Foundations of Machine Learning
6: State Space Model and Bayes Filter
7: The Kalman Filter for Adaptive Machine Learning
8: The Need for Dynamical Machine Learning
9: Digital Twins
Epilogue: A New Random Field Theory
Index
Több
