Machine Learning for Subsurface Characterization develops and applies neural networks, random forests, deep learning, unsupervised learning, Bayesian frameworks, and clustering methods for subsurface ...Teljes leírás
Machine Learning for Subsurface Characterization develops and applies neural networks, random forests, deep learning, unsupervised learning, Bayesian frameworks, and clustering methods for subsurface characterization. Machine learning (ML) focusses on developing computational methods/algorithms that learn to recognize patterns and quantify functional relationships by processing large data sets, also referred to as the "big data." Deep learning (DL) is a subset of machine learning that processes "big data" to construct numerous layers of abstraction to accomplish the learning task. DL methods do not require the manual step of extracting/engineering features however, it requires us to provide large amounts of data along with high-performance computing to obtain reliable results in a timely manner. This reference helps the engineers, geophysicists, and geoscientists get familiar with data science and analytics terminology relevant to subsurface characterization and demonstrates the use of data-driven methods for outlier detection, geomechanical/electromagnetic characterization, image analysis, fluid saturation estimation, and pore-scale characterization in the subsurface.
HATALMAS VÁLASZTÉK
Több mint 4 millió angol nyelvű könyv kitűnő áron.
INGYENES SZÁLLÍTÁS
25 500 Ft vagy nagyobb rendelés esetén a szállítás ingyenes
KITŰNŐ ÁRAK
A könyvek árait igyekszünk a földhöz közel tartani és mindig a kiadó által ajánlott ár alatt.
SZEMÉLYES HOZZÁÁLLÁS
Számunkra a legfontosabb az Ön elégedettsége. Könyveket árulunk, mert szeretjük őket. Nem transznacionális óriások vagyunk, hanem becsületes cseh cég. Ezenfelül a kitűnő könyveket saját blogunkban véleményezzük.
MEGBÍZHATÓ BOLT VAGYUNK A VÁSÁRLÓK ÉRTÉKELÉSE SZERINT
Megkaptuk a "Megbízható Bolt" címet az arukereso.hu portálon. Az értékeléseket megtekintheti itt