Libri UniversitariApri il catalogo

Prof. Salvatore Cuomo

Università degli Studi di Napoli Federico II · Dipartimento di Ingegneria Elettrica e Tecnologie dell'Informazione · libri consigliati e cosa studiare, a.a. 2026/2027

Libri adottati dal prof. Salvatore Cuomo

Materie del prof. Salvatore Cuomo

Physics Informed Machine Learning Canale unico

Corso di laurea: Data Science · Laurea magistrale (LM Data) · 2º anno · 2º semestre · 6 CFU

Federico II · Dipartimento di Ingegneria Elettrica e Tecnologie dell'Informazione · 6 CFU · apri nel catalogo · Data Science · 2º anno · 2º semestre ›

Testi

Karniadakis – Physics-informed Machine LearningCerca su Amazon ›Verificato sulla scheda ufficiale il 04/10/2026
Brunton – Data-Driven Science and EngineeringCerca su Amazon ›Verificato sulla scheda ufficiale il 04/10/2026
Raissi – Physics-informed Neural NetworksCerca su Amazon ›Verificato sulla scheda ufficiale il 04/10/2026
Lu – Learning nonlinear operators via DeepONetCerca su Amazon ›Verificato sulla scheda ufficiale il 04/10/2026
Li – Fourier Neural Operator for Parametric PDEsCerca su Amazon ›Verificato sulla scheda ufficiale il 04/10/2026
Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Metodi Numerici per L'Analisi dei Dati Canale unico

Corso di laurea: Matematica · Ciclo unico (LM-40) · 1º anno · 1º semestre · 6 CFU

Federico II · Dipartimento di Matematica e Applicazioni "Renato Caccioppoli" · 6 CFU · apri nel catalogo · Matematica · 1º anno · 1º semestre ›

Oppenheim – Discrete-Time Signal ProcessingCerca su Amazon ›Verificato sulla scheda ufficiale il 04/10/2026
Mallat – – A Wavelet Tour of Signal ProcessingCerca su Amazon ›Verificato sulla scheda ufficiale il 04/10/2026
Golub – Van LoanCerca su Amazon ›Verificato sulla scheda ufficiale il 04/10/2026
Jolliffe – Principal Component AnalysisCerca su Amazon ›Verificato sulla scheda ufficiale il 04/10/2026
Hastie – The Elements of Statistical LearningCerca su Amazon ›Verificato sulla scheda ufficiale il 04/10/2026
Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Teoria dell' Approssimazione e Sue Applicazioni Canale unico

Corso di laurea: Matematica · Ciclo unico (LM-40) · 1º anno · 1º semestre · 6 CFU

Federico II · Dipartimento di Matematica e Applicazioni "Renato Caccioppoli" · 6 CFU · apri nel catalogo · Matematica · 1º anno · 1º semestre ›

Testi di riferimento

de Boor – A Practical Guide to SplinesCerca su Amazon ›Verificato sulla scheda ufficiale il 04/10/2026
Wendland – Scattered Data ApproximationCerca su Amazon ›Verificato sulla scheda ufficiale il 04/10/2026

Testi di approfondimento

Powell – Approximation Theory and MethodsCerca su Amazon ›Verificato sulla scheda ufficiale il 04/10/2026
Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Domande frequenti

Quali libri consiglia il prof. Salvatore Cuomo per Physics Informed Machine Learning?

Karniadakis – Physics-informed Machine Learning; Brunton – Data-Driven Science and Engineering; Kevin Murphy, Probabilistic Machine Learning , MIT Press; Goodfellow, Bengio, Courville, Deep Learning , MIT Press; Raissi – Physics-informed Neural Networks; Lu – Learning nonlinear operators via DeepONet; Li – Fourier Neural Operator for Parametric PDEs

Quali libri consiglia il prof. Salvatore Cuomo per Metodi Numerici per L'Analisi dei Dati?

Oppenheim – Discrete-Time Signal Processing; Mallat – – A Wavelet Tour of Signal Processing; Golub – Van Loan; Jolliffe – Principal Component Analysis; Hastie – The Elements of Statistical Learning; Lee – Learning the parts of objects by non-negative…

Quali libri consiglia il prof. Salvatore Cuomo per Teoria dell' Approssimazione e Sue Applicazioni?

de Boor – A Practical Guide to Splines; Wendland – Scattered Data Approximation; Powell – Approximation Theory and Methods; Cybenko – Approximation by Superpositions of a Sigmoidal Function; Hornik – Multilayer Feedforward Networks are Universal Approximators