Machine Learning for Advanced Functional Materials

Nirav Joshi, Priyanka Madhushri, Vinod Kushvaha, 2024
Consegna tra sab, 21.3. e mer, 25.3.
Più di 10 pezzi in stock presso il fornitore
spedizione gratuita

Informazioni sul prodotto

Il libro "Machine Learning for Advanced Functional Materials" offre una panoramica completa sui recenti progressi nell'applicazione del Machine Learning nella scienza dei materiali e nella nanotecnologia. È rivolto a professionisti e studenti interessati alla modellazione e all'analisi dei dati delle proprietà dei materiali. Gli autori, Nirav Joshi, Priyanka Madhushri e Vinod Kushvaha, esplorano come il Machine Learning possa contribuire a migliorare le proprietà elettriche e meccaniche dei materiali. Attraverso la discussione di metodi di regressione per l'apprendimento supervisionato e l'ottimizzazione degli attributi dei materiali, viene creata una profonda comprensione delle opportunità offerte da queste tecnologie. Il libro rappresenta un'importante referenza scientifica che affronta temi attuali nella scienza dei materiali e sottolinea l'importanza crescente del Machine Learning nello sviluppo di nanomateriali funzionali come sensori, celle solari e fotocatalizzatori.

Le specifiche più importanti in sintesi

argomento
Matematica & Scienze naturali
Autore
Nirav JoshiPriyanka MadhushriVinod Kushvaha
Anno
2024
Copertina del libro
Copertina rigida

Informazioni generali

No. di articolo
57062459
Editore
Springer
Categoria
Libro specialistico
Data di rilascio
27.3.2025

Caratteristiche del libro

argomento
Matematica & Scienze naturali
Autore
Nirav JoshiPriyanka MadhushriVinod Kushvaha
Anno
2024
Copertina del libro
Copertina rigida

Contributo climatico volontario

Emissioni di CO₂
0.25 kg
Contributo climatico
CHF 0.11

30 di diritto di recesso se non aperto
Nessuna garanzia

Confronta i prodotti

Suggerimenti

Valutazioni e opinioni

Ritenuta di garanzia

La frequenza con cui un prodotto di questo marchio nella categoria «Libro specialistico» presenta un difetto nei primi 24 mesi.

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

Durata della garanzia

Il tempo di elaborazione che intercorre tra l'arrivo al centro di assistenza e il recupero da parte del cliente, in media in giorni lavorativi.

Fonte: Digitec Galaxus
  • Springer
    Dati non sufficienti
  • 1.Penguin Random House
    0 giorni
  • An der Ruhr
    Dati non sufficienti
  • Anaconda
    Dati non sufficienti
  • Ariston
    Dati non sufficienti

Percentuale di reso

La frequenza con cui un prodotto di questo marchio nella categoria «Libro specialistico» viene restituito.

Fonte: Digitec Galaxus
  • 55.Penguin Random House
    1.1 %
  • 55.S.Fischer
    1.1 %
  • 55.Springer
    1.1 %
  • 55.Wiley VCH
    1.1 %
  • 61.Bertelsmann C.
    1.2 %
Fonte: Digitec Galaxus