Brunton – Data-Driven Science and Engineering

Libro adottato a L'Aquila, Trieste, a.a. 2026/2027 · 3 canali

«Brunton – Data-Driven Science and Engineering» è adottato per Learning-Based Control dal prof. Erica Salvato (Computer Engineering – sede di Trieste – Trieste); per Control Systems And Machine Learning dal prof. Mario Di Ferdinando (Ingegneria Matematica – sede di L'Aquila – L'Aquila); per Machine Learning dal prof. Mario Di Ferdinando (Ingegneria Matematica – sede di L'Aquila – L'Aquila).

Come lo indica il docente: Brunton, S. L., \& Kutz, J. N. (2022). Data-driven science and engineering: Machine learning, dynamical systems, and control. Cambridge University Press · S. L. Brunton, J. N. Kutz, "Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control", Cambridge University Press, 2nd Edition, 2022

Titolo

Data-driven science and engineering

Autori

Steven Lee Steven L. Brunton, J. Nathan Kutz Brunton

Editore

Cambridge University press, 2022

Chi lo adotta

• Trieste · Learning-Based Control – Prof. Erica Salvato (canale unico)Computer Engineering – sede di Trieste · Laurea magistrale (LM-32) · 2º anno · 1º semestre · 6 CFU
• L'Aquila · Control Systems And Machine Learning – Prof. Mario Di Ferdinando (canale unico)Ingegneria Matematica – sede di L'Aquila · Laurea magistrale (LM-44) · 1º anno · 1º semestre · 9 CFU
• L'Aquila · Machine Learning – Prof. Mario Di Ferdinando (canale unico)Ingegneria Matematica – sede di L'Aquila · Laurea magistrale (LM-44) · esame facoltativo · Scientific Computing and Applications · 3 CFU

Programma e testi di ogni canale

Si studia insieme a

• Astrom – Feedback Systems
• Dorf – Modern Control Systems
• Franklin – Feedback control of dynamic systems
• Franklin – Digital Control of Dynamic Systems
• Ogata – Discrete-Time Control Systems
• Isidori – Sistemi di controllo