Statistical Machine Learning for Engineering with Applications
Sorozatcím: Lecture Notes in Statistics; 227;
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 85.59
-
35 498 Ft (33 808 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) 20% (cc. 7 100 Ft off)
- Kedvezményes ár 28 399 Ft (27 046 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
35 498 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 2024
- Kiadó Springer Nature Switzerland
- Megjelenés dátuma 2024. október 9.
- Kötetek száma 1 pieces, Book
- ISBN 9783031662522
- Kötéstípus Puhakötés
- Terjedelem392 oldal
- Méret 235x155 mm
- Nyelv angol
- Illusztrációk VIII, 392 p. 118 illus., 102 illus. in color. Illustrations, black & white 594
Kategóriák
Hosszú leírás:
This book offers a leisurely introduction to the concepts and methods of machine learning. Readers will learn about classification trees, Bayesian learning, neural networks and deep learning, the design of experiments, and related methods. For ease of reading, technical details are avoided as far as possible, and there is a particular emphasis on applicability, interpretation, reliability and limitations of the data-analytic methods in practice. To cover the common availability and types of data in engineering, training sets consisting of independent as well as time series data are considered. To cope with the scarceness of data in industrial problems, augmentation of training sets by additional artificial data, generated from physical models, as well as the combination of machine learning and expert knowledge of engineers are discussed.
The methodological exposition is accompanied by several detailed case studies based on industrial projects covering a broad range of engineering applications from vehicle manufacturing, process engineering and design of materials to optimization of production processes based on image analysis.
The focus is on fundamental ideas, applicability and the pitfalls of machine learning in industry and science, where data are often scarce. Requiring only very basic background in statistics, the book is ideal for self-study or short courses for engineering and science students.
TöbbTartalomjegyzék:
- An Introduction of Statistical Learning for Engineers.- Machine Learning for Inline Surface Inspection Systems - Challenges, Approaches, and Application Example.- Gaussian Process Regression for the Prediction of Cable Bundle Characteristics.- Machine Learning for Predictive Maintenance in Production Environments.- Detecting Healthcare Fraud Using Hybrid Machine Learning for Document Digitization.- Cracks in concrete.- Machine learning methods for prediction of breakthrough curves in reactive porous media.- Segmentation and Aggregation in Text Classification.- Hardware-aware Neural Architecture Search.- Optimal Experimental Design Supported by Machine Learning Regression Models.- Data Analytics, Artificial Intelligence and Machine Learning in Mobility and Vehicle Engineering.
Több
