Machine Learning in Earth, Environmental and Planetary Sciences: Theoretical and Practical Applications

Спецификации:
Автор: Hossein Bonakdari, Isa Ebtehaj, Joseph D. Ladouceur
Количество страниц: 388
Год публикации: 2023
ID товара: 19771243
Бесплатная доставка
30965
37958
-18%
Продавец: Minced 4.4
В корзину
1170 / мес.

3 10323
Без подорожания
Ваш город

Заберите в Omniva посылочном автомате

8 июля

Бесплатная доставка
000

Заберите в Smartpost посылочном автомате

8 июля

Бесплатная доставка
000

Заберите в почтовом отделении Эстонии

8 июля

Бесплатная доставка
000

Заберите в DPD Pickup посылочном автомате

8 июля

249

Доставим на дом

8 июля

399

Внимание! Сроки доставки являются предварительными, так как cроки обновляются в зависимости от фактического времени размещения заказа и оплаты. Окончательный срок доставки указывается продавцом после подтверждения заказа.

Заберите в Omniva посылочном автомате

8 июля

Бесплатная доставка
000

Заберите в Smartpost посылочном автомате

8 июля

Бесплатная доставка
000

Заберите в почтовом отделении Эстонии

8 июля

Бесплатная доставка
000

Заберите в DPD Pickup посылочном автомате

8 июля

249

Доставим на дом

8 июля

399

Внимание! Сроки доставки являются предварительными, так как cроки обновляются в зависимости от фактического времени размещения заказа и оплаты. Окончательный срок доставки указывается продавцом после подтверждения заказа.

Продавец: Minced 4.4

Описание товара: Machine Learning in Earth, Environmental and Planetary Sciences: Theoretical and Practical Applications

Machine Learning in Earth, Environmental and Planetary Sciences: Theoretical and Practical Applications is a practical guide on implementing different variety of extreme learning machine algorithms to Earth and environmental data. The book provides guided examples using real-world data for numerous novel and mathematically detailed machine learning techniques that can be applied in Earth, environmental, and planetary sciences, including detailed MATLAB coding coupled with line-by-line descriptions of the advantages and limitations of each method. The book also presents common postprocessing techniques required for correct data interpretation. This book provides students, academics, and researchers with detailed understanding of how machine learning algorithms can be applied to solve real case problems, how to prepare data, and how to interpret the results. Describes how to develop different schemes of machine learning techniques and apply to Earth, environmental and planetary data Provides detailed, guided line-by-line examples using real-world data, including the appropriate MATLAB codes Includes numerous figures, illustrations and tables to help readers better understand the concepts covered

Общая информация o: Machine Learning in Earth, Environmental and Planetary Sciences: Theoretical and Practical Applications

ID товара: 19771243
Категория: Книги по социальным наукам
Количество упаковок товара: 1 шт.
Размеры и вес упаковки (1): 0,3 x 0,3 x 0,1 м, 0,2 кг
Издательство: Elsevier - Health Sciences Division
Язык публикации: Aнглийский
Тип: Социология
Автор: Hossein Bonakdari, Isa Ebtehaj, Joseph D. Ladouceur
Количество страниц: 388
Год публикации: 2023

Изображения продуктов приведены исключительно в иллюстративных целях и являются примерными. Ссылки на видео в описании товара предназначены только для информационных целей, поэтому информация, которую они содержат, может отличаться от самого товара. Цвета, надписи, параметры, размеры, функции и/или любые другие характеристики оригинальных продуктов из-за их визуальных характеристик могут отличаться от реальных, поэтому, пожалуйста, ознакомьтесь со спецификациями продукта, приведенными в описании продукта.

Рейтинги и отзывы (0)

Machine Learning in Earth, Environmental and Planetary Sciences: Theoretical and Practical Applications
Будьте первым, кто оставит отзыв!
Этот товар могут оценить только его покупатели, зарегистрированные на Kaup24.ee.
Оценить товар

Вопросы и ответы (0)

Спросите об этом товаре у других покупателей!
Задать вопрос
Ваш вопрос успешно отправлен. На этот вопрос будет дан ответ в течение 3 рабочих дней
Вопрос должен состоять не менее чем из 10 символов