Ocena:
Książka jest dobrze przyjętym źródłem zrozumienia matematyki stosowanej i MATLABa, chwalonym za jasne wyjaśnienia, wciągającą prezentację i integrację praktycznych przykładów. Jest ona szczególnie przydatna dla osób z pewnym doświadczeniem w temacie. Jednak w miarę postępów materiał staje się coraz trudniejszy i wymaga zaawansowanej wiedzy z zakresu matematyki i fizyki.
Zalety:⬤ Przejrzysta i wciągająca prezentacja złożonych koncepcji.
⬤ Silny nacisk na praktyczne zastosowania i przykłady z życia wzięte.
⬤ Skuteczna integracja MATLABa z matematyką numeryczną.
⬤ Pomocny zarówno dla studentów studiów licencjackich, jak i magisterskich, zwłaszcza tych z wcześniejszą wiedzą.
⬤ Zawiera interesujące odniesienia historyczne i sugerowane projekty studenckie.
⬤ Ostatnie rozdziały mogą być zbyt zaawansowane dla typowych studentów studiów licencjackich bez znaczącej wiedzy podstawowej.
⬤ Niewystarczająco rygorystyczna dla osób poszukujących dogłębnego zrozumienia teorii.
⬤ Niektórzy czytelnicy uznali ją za trudną bez solidnych podstaw z zakresu algebry liniowej i równań różniczkowych.
⬤ Brak kompleksowego przeglądu metod numerycznych może sprawić, że niektórzy czytelnicy będą potrzebować więcej kontekstu.
(na podstawie 21 opinii czytelników)
Data-Driven Modeling & Scientific Computation: Methods for Complex Systems & Big Data
Rozwijająca się dziedzina analizy danych rozwija się w niesamowitym tempie ze względu na rozprzestrzenianie się gromadzenia danych w niemal każdej dziedzinie nauki. Ogromne zbiory danych spotykane obecnie rutynowo w naukach ścisłych stanowią zachętę do opracowywania technik matematycznych i algorytmów obliczeniowych, które pomagają syntetyzować, interpretować i nadawać znaczenie danym w kontekście ich naukowego otoczenia. Szczególnym celem tej książki jest integracja standardowych naukowych metod obliczeniowych z analizą danych. W ten sposób łączy ona, w sposób spójny, kluczowe idee z:
DT statystyki,.
DT analizy czasowo-częstotliwościowej i.
DT redukcji niskowymiarowych.
Połączenie tych idei zapewnia znaczący wgląd w zbiory danych, z którymi mamy do czynienia w każdym temacie naukowym, w tym te generowane przez złożone systemy dynamiczne. Jest to szczególnie ekscytująca dziedzina i znaczna część ostatniej części książki jest napędzana intuicyjnymi przykładami z niej, pokazującymi, w jaki sposób te trzy obszary mogą być używane w połączeniu, aby zapewnić krytyczny wgląd w fundamentalne działanie różnych problemów.
Data-Driven Modeling and Scientific Computation to przegląd praktycznych technik numerycznego rozwiązywania równań różniczkowych zwyczajnych i cząstkowych, a także algorytmów manipulacji i analizy danych. Nacisk kładziony jest na implementację schematów numerycznych do praktycznych problemów w inżynierii, naukach biologicznych i fizycznych.
Książka ta, będąca przystępnym tekstem wprowadzającym i zaawansowanym, w pełni integruje MATLAB i jego wszechstronne funkcje programowania wysokiego poziomu, jednocześnie łącząc umiejętności obliczeniowe i dane zarówno dla studentów studiów licencjackich, jak i magisterskich w zakresie obliczeń naukowych.