Machine Learning for Advanced Functional Materials

Nirav Joshi, Priyanka Madhushri, Vinod Kushvaha, 2024
Zwischen Sa, 21.3. und Mi, 25.3. geliefert
Mehr als 10 Stück an Lager beim Lieferanten
kostenloser Versand

Produktinformationen

Das Buch "Machine Learning for Advanced Functional Materials" bietet einen umfassenden Überblick über die neuesten Fortschritte in der Anwendung von Machine Learning in der Materialwissenschaft und Nanotechnologie. Es richtet sich an Fachleute und Studierende, die sich mit der Modellierung und Datenanalyse von Materialeigenschaften beschäftigen möchten. Die Autoren, Nirav Joshi, Priyanka Madhushri und Vinod Kushvaha, beleuchten, wie Machine Learning dazu beitragen kann, die elektrischen und mechanischen Eigenschaften von Materialien zu verbessern. Durch die Diskussion von Regressionsmethoden für das überwachte Lernen und die Optimierung von Materialattributen wird ein tiefes Verständnis für die Möglichkeiten geschaffen, die diese Technologien bieten. Das Buch ist eine wertvolle wissenschaftliche Referenz, die sich mit aktuellen Themen in der Materialwissenschaft auseinandersetzt und die wachsende Bedeutung von Machine Learning in der Entwicklung funktionaler Nanomaterialien wie Sensoren, Solarzellen und Photokatalysatoren hervorhebt.

Das Wichtigste auf einen Blick

Thema
Mathematik & Naturwissenschaften
Autor
Nirav JoshiPriyanka MadhushriVinod Kushvaha
Jahr
2024
Bucheinband
Kartonierter Einband

Allgemeine Informationen

Artikelnummer
57062459
Verlag
Springer
Kategorie
Fachbücher
Release-Datum
27.3.2025

Buch Eigenschaften

Thema
Mathematik & Naturwissenschaften
Autor
Nirav JoshiPriyanka MadhushriVinod Kushvaha
Jahr
2024
Bucheinband
Kartonierter Einband

Freiwilliger Klimabeitrag

CO₂-Emission
0.25 kg
Klimabeitrag
CHF 0.11

30 Tage Rückgaberecht wenn ungeöffnet
Keine Garantie

Produkte vergleichen

Passend dazu

Bewertungen & Meinungen

Garantiefallquote

So oft weist ein Produkt dieser Marke in der Kategorie «Fachbücher» innerhalb der ersten 24 Monate einen Defekt auf.

Quelle: Digitec Galaxus
  • 1.Redline
    0 %
  • 1.S.Fischer
    0 %
  • 1.Springer
    0 %
  • 1.Stämpfli
    0 %
  • 1.Ullstein
    0 %

Garantiefalldauer

So lange dauert eine Abwicklung ab Ankunft bei der Servicestelle bis Wiedererhalt in Arbeitstagen im Durchschnitt.

Quelle: Digitec Galaxus
  • Springer
    Ungenügende Daten
  • 1.Penguin Random House
    0 Tage
  • An der Ruhr
    Ungenügende Daten
  • Anaconda
    Ungenügende Daten
  • Ariston
    Ungenügende Daten

Rückgabequote

So oft wird ein Produkt dieser Marke in der Kategorie «Fachbücher» retourniert.

Quelle: Digitec Galaxus
  • 54.Penguin Random House
    1.1 %
  • 54.S.Fischer
    1.1 %
  • 54.Springer
    1.1 %
  • 54.Wiley VCH
    1.1 %
  • 60.Bertelsmann C.
    1.2 %
Quelle: Digitec Galaxus