Data Driven Model Learning for Engineers (eBook)

Data Driven Model Learning for Engineers (eBook)

Guillaume Mercère
Guillaume Mercère
Prezzo:
€ 112,31
Compra EPUB
Prezzo:
€ 112,31
Compra EPUB

Formato

:
EPUB
Cloud: Scopri di più
Lingua: en
Editore: Springer
Codice EAN: 9783031316364
Anno pubblicazione: 2023
Scopri QUI come leggere i tuoi eBook

Note legali

NOTE LEGALI

a) Garanzia legale, Pagamenti, Consegne, Diritto di recesso
b) Informazioni sul prezzo
Il prezzo barrato corrisponde al prezzo di vendita al pubblico al lordo di IVA e al netto delle spese di spedizione
Il prezzo barrato dei libri italiani corrisponde al prezzo di copertina.
I libri in inglese di Libraccio sono di provenienza americana o inglese.
Libraccio riceve quotidianamente i prodotti dagli USA e dalla Gran Bretagna, pagandone i costi di importazione, spedizione in Italia ecc.
Il prezzo in EURO è fissato da Libraccio e, in alcuni casi, può discostarsi leggermente dal cambio dollaro/euro o sterlina/euro del giorno. Il prezzo che pagherai sarà quello in EURO al momento della conferma dell'ordine.
In ogni caso potrai verificare la convenienza dei nostri prezzi rispetto ad altri siti italiani e, in moltissimi casi, anche rispetto all'acquisto su siti americani o inglesi.
c) Disponibilità
I termini relativi alla disponibilità dei prodotti sono indicati nelle Condizioni generali di vendita.

Disponibilità immediata
L'articolo è immediatamente disponibile presso Libraccio e saremo in grado di procedere con la spedizione entro un giorno lavorativo.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.

Disponibile in giorni o settimane (ad es. "3-5-10 giorni", "4-5 settimane" )
L'articolo sarà disponibile entro le tempistiche indicate, necessarie per ricevere l'articolo dai nostri fornitori e preparare la spedizione.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.

Prenotazione libri scolastici
Il servizio ti permette di prenotare libri scolastici nuovi che risultano non disponibili al momento dell'acquisto.

Attualmente non disponibile
L'articolo sarà disponibile ma non sappiamo ancora quando. Inserisci la tua mail dalla scheda prodotto attivando il servizio Libraccio “avvisami” e sarai contattato quando sarà ordinabile.

Difficile reperibilità
Abbiamo dei problemi nel reperire il prodotto. Il fornitore non ci dà informazioni sulla sua reperibilità, ma se desideri comunque effettuare l'ordine, cercheremo di averlo nei tempi indicati. Se non sarà possibile, ti avvertiremo via e-mail e l'ordine verrà cancellato.
Chiudi

Descrizione

The main goal of this comprehensive textbook is to cover the core techniques required to understand some of the basic and most popular model learning algorithms available for engineers, then illustrate their applicability directly with stationary time series. A multi-step approach is introduced for modeling time series which differs from the mainstream in the literature. Singular spectrum analysis of univariate time series, trend and seasonality modeling with least squares and residual analysis, and modeling with ARMA models are discussed in more detail. As applications of data-driven model learning become widespread in society, engineers need to understand its underlying principles, then the skills to develop and use the resulting data-driven model learning solutions. After reading this book, the users will have acquired the background, the knowledge and confidence to (i) read other model learning textbooks more easily, (ii) use linear algebra and statistics for data analysis and modeling, (iii) explore other fields of applications where model learning from data plays a central role. Thanks to numerous illustrations and simulations, this textbook will appeal to undergraduate and graduate students who need a first course in data-driven model learning. It will also be useful for practitioners, thanks to the introduction of easy-to-implement recipes dedicated to stationary time series model learning. Only a basic familiarity with advanced calculus, linear algebra and statistics is assumed, making the material accessible to students at the advanced undergraduate level.