Andere Kunden interessierten sich auch für
![Wykrywanie i rozpoznawanie znaków przy u¿yciu CNN i uczenia maszynowego]( "Wykrywanie i rozpoznawanie znaków przy u¿yciu CNN i uczenia maszynowego")
Wykrywanie i rozpoznawanie znaków przy u¿yciu CNN i uczenia maszynowego29,99 €![Projektowanie stanowisk badawczych dla in¿ynierii mechanicznej]( "Projektowanie stanowisk badawczych dla in¿ynierii mechanicznej")
Projektowanie stanowisk badawczych dla in¿ynierii mechanicznej34,99 €![Solidworks dla in¿ynierii mechanicznej]( "Solidworks dla in¿ynierii mechanicznej")
Solidworks dla in¿ynierii mechanicznej27,99 €![Podr¿cznik laboratoryjny in¿ynierii drogowej]( "Podr¿cznik laboratoryjny in¿ynierii drogowej")
Podr¿cznik laboratoryjny in¿ynierii drogowej29,99 €![Analiza studentów in¿ynierii przy u¿yciu modelu Feldera i Silvermana]( "Analiza studentów in¿ynierii przy u¿yciu modelu Feldera i Silvermana")
Analiza studentów in¿ynierii przy u¿yciu modelu Feldera i Silvermana23,99 €![Praktyczne zastosowania mechaniki w projektowaniu strukturalnym i mechanicznym]( "Praktyczne zastosowania mechaniki w projektowaniu strukturalnym i mechanicznym")
Praktyczne zastosowania mechaniki w projektowaniu strukturalnym i mechanicznym43,99 €![Samodzielny rozwój kariery zawodowej w bran¿y mechanicznej oraz In¿ynieria produkcji]( "Samodzielny rozwój kariery zawodowej w bran¿y mechanicznej oraz In¿ynieria produkcji")
Samodzielny rozwój kariery zawodowej w bran¿y mechanicznej oraz In¿ynieria produkcji32,99 €
Machine Learning Applications in Mechanical Engineering to kompleksowy przewodnik badaj¿cy transformacyjn¿ rol¿ uczenia maszynowego (ML) w kluczowych dziedzinach in¿ynierii mechanicznej. ¿¿czy w sobie teoretyczne spostrze¿enia i praktyczne zastosowania w zakresie optymalizacji projektowania, konserwacji predykcyjnej, robotyki, odkrywania materiäów i systemów energetycznych, dzi¿ki czemu jest nieoceniony dla studentów, naukowców i profesjonalistów.Ksi¿¿ka rozpoczyna si¿ od wprowadzenia do uczenia maszynowego, podkre¿laj¿c jego znaczenie i wyzwania w in¿ynierii mechanicznej. Omówiono w niej modele uczenia si¿, takie jak uczenie nadzorowane, nienadzorowane i pó¿nadzorowane, a tak¿e sieci neuronowe, techniki bayesowskie i maszyny wektorów no¿nych. Rozdziäy zag¿¿biaj¿ si¿ w innowacje oparte na ML w projektowaniu materiäów, konserwacji predykcyjnej i optymalizacji meta powierzchni, prezentuj¿c narz¿dzia takie jak g¿¿bokie uczenie si¿ i modele generatywne.Ksi¿¿ka ta przygotowuje czytelników do wykorzystania uczenia maszynowego w radzeniu sobie z wyzwaniami in¿ynieryjnymi, toruj¿c drog¿ inteligentnym, opartym na danych rozwi¿zaniom w in¿ynierii mechanicznej.