Die FEM und deren Einsatz sind wichtige Bestandteile der Ingenieur- und Naturwissenschaften. Anhand von zahlreichen Beispielen aus der Praxis lernen die Leser die Methode und ihre Implementierung kennen und anwenden. Das Buch hilft wissenschaftlichen Anwendern, diese wichtige Methode zu verstehen, anstatt sie nur als „Blackbox“ einzusetzen. Es enthält zahlreiche Beispiele, die mit GNU Octave und MATLAB umgesetzt werden.
Aus dem Inhalt: - Modellbildung mit partiellen Differentialgleichungen- Einführung in die Finite-Elemente-Methode in einer und mehreren Dimensionen für elliptische partielle Differentialgleichungen- Nutzung von Vektorisierung und Mex-Files für eine effiziente Implementierung - Konvektionsdominierte Gleichungen- Fehlerschätzer und Gitteranpassung - Behandlung zeitabhängiger, parabolischer Differentialgleichungen- Finite-Elemente-Methode in zahlreichen Praxisbeispielen, u.a. aus Elektro- und Magnetostatik, Wärmeleitung und Populationsmodellen
Neu in der 2. Auflage ist u. a. ein Kapitel über die Strömungsmechanik.
Dieses Lehrbuch bietet einen praxisnahen und anwendungsorientierten Einstieg in die Finite-Elemente-Methode und eignet sich daher für Studierende der Ingenieurwissenschaften, Naturwissenschaften sowie Ingenieure in der Praxis.
Aktualisiert: 2022-08-15
> findR *
Die FEM und deren Einsatz sind wichtige Bestandteile der Ingenieur- und Naturwissenschaften. Anhand von zahlreichen Beispielen aus der Praxis lernen die Leser die Methode und ihre Implementierung kennen und anwenden. Das Buch hilft wissenschaftlichen Anwendern, diese wichtige Methode zu verstehen, anstatt sie nur als „Blackbox“ einzusetzen. Es enthält zahlreiche Beispiele, die mit GNU Octave und MATLAB umgesetzt werden.
Aus dem Inhalt:
- Modellbildung mit partiellen Differentialgleichungen
- Einführung in die Finite-Elemente-Methode in einer und mehreren Dimensionen für elliptische partielle Differentialgleichungen
- Nutzung von Vektorisierung und Mex-Files für eine effiziente Implementierung
- Konvektionsdominierte Gleichungen
- Fehlerschätzer und Gitteranpassung
- Behandlung zeitabhängiger, parabolischer Differentialgleichungen
- Finite-Elemente-Methode in zahlreichen Praxisbeispielen, u.a. aus Elektro- und Magnetostatik, Wärmeleitung und Populationsmodellen
Neu in der 2. Auflage ist u. a. ein Kapitel über die Strömungsmechanik.
Dieses Lehrbuch bietet einen praxisnahen und anwendungsorientierten Einstieg in die Finite-Elemente-Methode und eignet sich daher für Studierende der Ingenieurwissenschaften, Naturwissenschaften sowie Ingenieure in der Praxis.
Aktualisiert: 2022-10-11
> findR *
Maschinelles Lernen ist ein interdisziplinäres Fach, das die Bereiche Informatik, Mathematik und das jeweilige Anwendungsgebiet zusammenführt. In diesem Buch werden alle drei Teilgebiete gleichermaßen berücksichtigt:
- Algorithmen des maschinellen Lernens verwenden und verstehen, wie und warum sie funktionieren.- Kickstart zur Verwendung von Python 3 und seinem Ökosystem im Umfeld des maschinellen Lernens.- Verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens, u.a. Random Forest, DBSCAN und Q-Learning.
Die Algorithmen werden zum besseren Verständnis und praktischen Einsatz anschaulich mittels NumPy und SciPy umgesetzt. Für die Support Vector Machines und das Deep Learning wird auf scikit-learn bzw. Keras zurückgegriffen.
Die dritte Auflage wurde für die Keras/Tensorflow-Version 2 sowie Python 3.7 überarbeitet, mehrere Kapitel insbesondere zum bestärkten Lernen wurde aktualisiert und folgende Themen wurden unter anderem neu aufgenommen:
- Deep Q-Learning
- Class Activation Maps und Grad-CAM
- Pandas-Integration und -Einführung
- OpenAI Gym integriert
Das Buch ist ideal für Studierende der Informatik, Mechatronik, Elektrotechnik und der angewandten Statistik/Data Science sowie für Ingenieure und Informatiker in der Praxis. Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und Basiswissen der Hochschulmathematik. Die nötige Mathematik wird eingebettet im Buch präsentiert und die Theorie direkt in Python-Code umgesetzt.
Aktualisiert: 2023-05-02
> findR *
Maschinelles Lernen ist ein interdisziplinäres Fach, das die Bereiche Informatik, Mathematik und das jeweilige Anwendungsgebiet zusammenführt. In diesem Buch werden alle drei Teilgebiete gleichermaßen berücksichtigt:
- Algorithmen des maschinellen Lernens verwenden und verstehen, wie und warum sie funktionieren.
- Kickstart zur Verwendung von Python 3 und seinem Ökosystem im Umfeld des maschinellen Lernens.
- Verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens, u.a. Random Forest, DBSCAN und Q-Learning.
Die Algorithmen werden zum besseren Verständnis und praktischen Einsatz anschaulich mittels NumPy und SciPy umgesetzt. Für die Support Vector Machines und das Deep Learning wird auf scikit-learn bzw. Keras zurückgegriffen.
Die dritte Auflage wurde für die Keras/Tensorflow-Version 2 sowie Python 3.7 überarbeitet, mehrere Kapitel insbesondere zum bestärkten Lernen wurde aktualisiert und folgende Themen wurden unter anderem neu aufgenommen:
- Deep Q-Learning
- Class Activation Maps und Grad-CAM
- Pandas-Integration und -Einführung
- OpenAI Gym integriert
Das Buch ist ideal für Studierende der Informatik, Mechatronik, Elektrotechnik und der angewandten Statistik/Data Science sowie für Ingenieure und Informatiker in der Praxis. Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und Basiswissen der Hochschulmathematik. Die nötige Mathematik wird eingebettet im Buch präsentiert und die Theorie direkt in Python-Code umgesetzt.
Aktualisiert: 2022-12-06
> findR *
Maschinelles Lernen ist ein interdisziplinäres Fach, das die Bereiche Informatik, Mathematik und das jeweilige Anwendungsgebiet zusammenführt. In diesem Buch werden alle drei Teilgebiete gleichermaßen berücksichtigt:
- Es wird demonstriert, wie man die Algorithmen des maschinellen Lernens verwendet und der Hintergrund geliefert, um zu verstehen, wie und warum diese Algorithmen funktionieren.
- Ebenfalls enthalten ist ein kompakter Kickstart zur Verwendung von Python 3 und seinem Ökosystem im Umfeld des maschinellen Lernens.
- Die Algorithmen werden zum besseren Verständnis und praktischen Einsatz anschaulich mittels NumPy und SciPy umgesetzt.
- Für die Support Vector Machines und das Deep Learning wird auf scikit-learn bzw. Keras zurückgegriffen.
- Es werden verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens besprochen, u.a. Random Forest, DBSCAN und Q-Learning.
Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und Basiswissen der Hochschulmathematik. Die nötige Mathematik wird eingebettet im Buch präsentiert und die Theorie direkt in Python-Code umgesetzt.
Das Buch ist ideal für Studierende der Informatik, Mechatronik, Elektrotechnik und der angewandten Statistik/Data Science sowie für Ingenieure und Informatiker in der Praxis.
Aktualisiert: 2019-01-15
> findR *
Maschinelles Lernen ist ein interdisziplinäres Fach, das die Bereiche Informatik, Mathematik und das jeweilige Anwendungsgebiet zusammenführt. In diesem Buch werden alle drei Teilgebiete gleichermaßen berücksichtigt:
- Es wird demonstriert, wie man die Algorithmen des maschinellen Lernens verwendet und der Hintergrund geliefert, um zu verstehen, wie und warum diese Algorithmen funktionieren.
- Ebenfalls enthalten ist ein kompakter Kickstart zur Verwendung von Python 3 (in Python programmieren) und seinem Ökosystem im Umfeld des maschinellen Lernens.
- Die Algorithmen werden zum besseren Verständnis und praktischen Einsatz anschaulich mittels NumPy und SciPy umgesetzt.
- Für die Support Vector Machines und das Deep Learning wird auf scikit-learn bzw. Keras zurückgegriffen.
- Es werden verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens besprochen, u.a. Random Forest, DBSCAN und Q-Learning.
Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und Basiswissen der Hochschulmathematik. Die nötige Mathematik wird eingebettet im Buch präsentiert und die Theorie direkt in Python-Code umgesetzt.
Das Buch ist ideal für Studierende der Informatik, Mechatronik, Elektrotechnik und der angewandten Statistik/Data Science sowie für Ingenieure und Informatiker in der Praxis.
Aktualisiert: 2020-11-24
> findR *
Finite-Elemente-Methode mit GNU Octave/MATLAB – das anwendungsorientierte Lehrbuch
Selbst programmieren und verstehen -- nach diesem Prinzip führt das Lehrbuch an die Finite-Elemente-Methode (FEM) heran.Die FEM und deren Einsatz sind wichtige Bestandteile der Ingenieur- und Naturwissenschaften. Anhand von zahlreichen Beispielen aus der Praxis lernen die Leser die Methode und ihre Implementierung kennen und anwenden. Die mathematischen Zusammenhänge werden auf das Notwendigste beschränkt. Die Beispiele werden mit GNU Octave und MATLAB umgesetzt.
Aus dem Inhalt: - Modellbildung mit partiellen Differentialgleichungen- Einführung in die Finite-Elemente-Methode in einer und mehreren Dimensionen für elliptische partielle Differentialgleichungen- Nutzung von Vektorisierung und Mex-Files für eine effiziente Implementierung - Konvektionsdominierte Gleichungen- Fehlerschätzer und Gitteranpassung - Behandlung zeitabhängiger, parabolischer Differentialgleichungen- Finite-Elemente-Methode in zahlreichen Praxisbeispielen, u.a. aus Elektro- und Magnetostatik, Wärmeleitung und Populationsmodellen Dieses Lehrbuch bietet einen praxisnahen und anwendungsorientierten Einstieg in die Finite-Elemente-Methode anhand von GNU Octave und MATLAB und eignet sich daher für Studierende der Ingenieurwissenschaften, Naturwissenschaften sowie Ingenieure in der Praxis.
Aktualisiert: 2021-08-02
> findR *
Maschinelles Lernen ist ein interdisziplinäres Fach, das die Bereiche Informatik, Mathematik und das jeweilige Anwendungsgebiet zusammenführt. In diesem Buch werden alle drei Teilgebiete gleichermaßen berücksichtigt:
- Es wird demonstriert, wie man die Algorithmen des maschinellen Lernens verwendet und der Hintergrund geliefert, um zu verstehen, wie und warum diese Algorithmen funktionieren.- Ebenfalls enthalten ist ein kompakter Kickstart zur Verwendung von Python 3 und seinem Ökosystem im Umfeld des maschinellen Lernens.- Die Algorithmen werden zum besseren Verständnis und praktischen Einsatz anschaulich mittels NumPy und SciPy umgesetzt.- Für die Support Vector Machines und das Deep Learning wird auf scikit-learn bzw. Keras zurückgegriffen.- Es werden verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens besprochen, u.a. Random Forest, DBSCAN und Q-Learning.
Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und Basiswissen der Hochschulmathematik. Die nötige Mathematik wird eingebettet im Buch präsentiert und die Theorie direkt in Python-Code umgesetzt.
Das Buch ist ideal für Studierende der Informatik, Mechatronik, Elektrotechnik und der angewandten Statistik/Data Science sowie für Ingenieure und Informatiker in der Praxis.
Aktualisiert: 2019-01-08
> findR *
Maschinelles Lernen ist ein interdisziplinäres Fach, das die Bereiche Informatik, Mathematik und das jeweilige Anwendungsgebiet zusammenführt. In diesem Buch werden alle drei Teilgebiete gleichermaßen berücksichtigt:- Es wird demonstriert, wie man die Algorithmen des maschinellen Lernens verwendet und der Hintergrund geliefert, um zu verstehen, wie und warum diese Algorithmen funktionieren.- Ebenfalls enthalten ist ein kompakter Kickstart zur Verwendung von Python 3 und seinem Ökosystem im Umfeld des maschinellen Lernens.- Die Algorithmen werden zum besseren Verständnis und praktischen Einsatz anschaulich mittels NumPy und SciPy umgesetzt.- Für die Support Vector Machines und das Deep Learning wird auf scikit-learn bzw. Keras zurückgegriffen.- Es werden verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens besprochen, u.a. Random Forest, DBSCAN und Q-Learning.
Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und Basiswissen der Hochschulmathematik. Die nötige Mathematik wird eingebettet im Buch präsentiert und die Theorie direkt in Python-Code umgesetzt.
Das Buch ist ideal für Studierende der Informatik, Mechatronik, Elektrotechnik und der angewandten Statistik/Data Science sowie für Ingenieure und Informatiker in der Praxis.
Aktualisiert: 2023-05-02
> findR *
Finite-Elemente-Methode mit GNU Octave/MATLAB – das anwendungsorientierte Lehrbuch
Selbst programmieren und verstehen -- nach diesem Prinzip führt das Lehrbuch an die Finite-Elemente-Methode (FEM) heran.
Die FEM und deren Einsatz sind wichtige Bestandteile der Ingenieur- und Naturwissenschaften. Anhand von zahlreichen Beispielen aus der Praxis lernen die Leser die Methode und ihre Implementierung kennen und anwenden. Die mathematischen Zusammenhänge werden auf das Notwendigste beschränkt. Die Beispiele werden mit GNU Octave und MATLAB umgesetzt.
Aus dem Inhalt:
- Modellbildung mit partiellen Differentialgleichungen
- Einführung in die Finite-Elemente-Methode in einer und mehreren Dimensionen für elliptische partielle Differentialgleichungen
- Nutzung von Vektorisierung und Mex-Files für eine effiziente Implementierung
- Konvektionsdominierte Gleichungen
- Fehlerschätzer und Gitteranpassung
- Behandlung zeitabhängiger, parabolischer Differentialgleichungen
- Finite-Elemente-Methode in zahlreichen Praxisbeispielen, u.a. aus Elektro- und Magnetostatik, Wärmeleitung und Populationsmodellen
Dieses Lehrbuch bietet einen praxisnahen und anwendungsorientierten Einstieg in die Finite-Elemente-Methode anhand von GNU Octave und MATLAB und eignet sich daher für Studierende der Ingenieurwissenschaften, Naturwissenschaften sowie Ingenieure in der Praxis.
.
Aktualisiert: 2021-07-22
> findR *
MEHR ANZEIGEN
Bücher von Frochte, Jörg
Sie suchen ein Buch oder Publikation vonFrochte, Jörg ? Bei Buch findr finden Sie alle Bücher Frochte, Jörg.
Entdecken Sie neue Bücher oder Klassiker für Sie selbst oder zum Verschenken. Buch findr hat zahlreiche Bücher
von Frochte, Jörg im Sortiment. Nehmen Sie sich Zeit zum Stöbern und finden Sie das passende Buch oder die
Publiketion für Ihr Lesevergnügen oder Ihr Interessensgebiet. Stöbern Sie durch unser Angebot und finden Sie aus
unserer großen Auswahl das Buch, das Ihnen zusagt. Bei Buch findr finden Sie Romane, Ratgeber, wissenschaftliche und
populärwissenschaftliche Bücher uvm. Bestellen Sie Ihr Buch zu Ihrem Thema einfach online und lassen Sie es sich
bequem nach Hause schicken. Wir wünschen Ihnen schöne und entspannte Lesemomente mit Ihrem Buch
von Frochte, Jörg .
Frochte, Jörg - Große Auswahl an Publikationen bei Buch findr
Bei uns finden Sie Bücher aller beliebter Autoren, Neuerscheinungen, Bestseller genauso wie alte Schätze. Bücher
von Frochte, Jörg die Ihre Fantasie anregen und Bücher, die Sie weiterbilden und Ihnen wissenschaftliche Fakten
vermitteln. Ganz nach Ihrem Geschmack ist das passende Buch für Sie dabei. Finden Sie eine große Auswahl Bücher
verschiedenster Genres, Verlage, Schlagworte Genre bei Buchfindr:
Unser Repertoire umfasst Bücher von
- Fröchtenicht, Dieter
- Fröchtenicht, Dieter
- Fröchtling, Andrea
- Fröchtling, Andrea
- Fröchtling, Drea
- Fröck, Hannes
- Fröde, Bernd
- Fröde, Bernd
- Fröde, Christian
- Fröde, Christian
Sie haben viele Möglichkeiten bei Buch findr die passenden Bücher für Ihr Lesevergnügen zu entdecken. Nutzen Sie
unsere Suchfunktionen, um zu stöbern und für Sie interessante Bücher in den unterschiedlichen Genres und Kategorien
zu finden. Neben Büchern von Frochte, Jörg und Büchern aus verschiedenen Kategorien finden Sie schnell und
einfach auch eine Auflistung thematisch passender Publikationen. Probieren Sie es aus, legen Sie jetzt los! Ihrem
Lesevergnügen steht nichts im Wege. Nutzen Sie die Vorteile Ihre Bücher online zu kaufen und bekommen Sie die
bestellten Bücher schnell und bequem zugestellt. Nehmen Sie sich die Zeit, online die Bücher Ihrer Wahl anzulesen,
Buchempfehlungen und Rezensionen zu studieren, Informationen zu Autoren zu lesen. Viel Spaß beim Lesen wünscht Ihnen
das Team von Buchfindr.