Анализ данных в науке и технике. Машинное обучение, динамические системы и управление
Эта книга представляет собой фундаментальный труд, объединяющий методы анализа данных, машинного обучения и математического моделирования для исследования и управления сложными динамическими системами. Авторы демонстрируют, как современные подходы, управляемые данными, применяются в различных научных и инженерных областях.
В первой части рассматриваются методы понижения размерности и преобразования данных, включая сингулярное разложение (SVD), метод главных компонент (PCA) и другие техники, необходимые для работы с большими объёмами информации. Эти методы служат основой для построения эффективных моделей.
Книга охватывает широкий спектр приложений: от турбулентности и климатологии до нейронаук, эпидемиологии, робототехники и финансов. Особое внимание уделяется сочетанию традиционных методов математической физики с передовыми алгоритмами машинного обучения.
Издание рассчитано на студентов старших курсов, аспирантов и исследователей инженерных и физических специальностей, желающих глубоко понять взаимосвязь между теорией динамических систем и практикой data science.
