Libri UniversitariApri il catalogo

Griewank – Evaluating Derivatives

Libro adottato a Politecnico di Milano, a.a. 2026/2027 · 4 canali

«Griewank – Evaluating Derivatives» è adottato per Numerical Analysis For Machine Learning dal prof. Edie Miglio (Computer Science and Engineering, Electronics Engineering, High Performance Computing Engineering e altri corsi – Politecnico di Milano).

Griewank – Evaluating DerivativesCerca su Amazon ›

Come lo indica il docente: A. Griewank, A. Walther, Evaluating Derivatives: Principles and Techniques of Algorithmic Differentiation, SIAM, Anno edizione: 2008, ISBN: 978-0898716597

ISBN
9780898716597

Chi lo adotta

Programma e testi di ogni canale

Numerical Analysis For Machine Learning – Prof. Edie Miglio Canale unico

Corso di laurea: Computer Science and Engineering · Laurea triennale · esame facoltativo · ARTIFICIAL INTELLIGENCE · 055697 CFU

Politecnico di Milano · Scuola di Ingegneria Industriale e dell'Informazione · 055697 CFU · apri nel catalogo · Computer Science and Engineering · 1º semestre ›

Testi consigliati (facoltativi)

Strang – Linear Algebra and Learning from DataCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Nocedal – Numerical OptimizationCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Griewank – Evaluating Derivativesquesto libroCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Goodfellow – Deep LearningCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026

. Calin, Deep Learning Architectures

Mathematical Approach – AnnoCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare

Argomenti del programma: 1. Numerical Linear Algebra Tools Singular value decomposition, principal components and best low rank matrix. Eigenvalues. Least square methods. QR factorization. Toeplitz matrices and shift invariant filters. Convolution. Randomized SVD 2. Automatic differentiation Wenger list, Direct Acyclic Graphs, Forward mode of AD Dual numbers Backward mode of AD 3.

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Numerical Analysis For Machine Learning – Prof. Edie Miglio Canale unico

Corso di laurea: Electronics Engineering · Laurea triennale · esame facoltativo · 055697 CFU

Politecnico di Milano · Scuola di Ingegneria Industriale e dell'Informazione · 055697 CFU · apri nel catalogo · Electronics Engineering · 1º semestre ›

Testi consigliati (facoltativi)

Strang – Linear Algebra and Learning from DataCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Nocedal – Numerical OptimizationCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Griewank – Evaluating Derivativesquesto libroCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Goodfellow – Deep LearningCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026

. Calin, Deep Learning Architectures

Mathematical Approach – AnnoCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare

Argomenti del programma: 1. Numerical Linear Algebra Tools Singular value decomposition, principal components and best low rank matrix. Eigenvalues. Least square methods. QR factorization. Toeplitz matrices and shift invariant filters. Convolution. Randomized SVD 2. Automatic differentiation Wenger list, Direct Acyclic Graphs, Forward mode of AD Dual numbers Backward mode of AD 3.

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Numerical Analysis For Machine Learning – Prof. Edie Miglio Canale unico

Corso di laurea: High Performance Computing Engineering · Laurea triennale · esame facoltativo · 055697 CFU

Politecnico di Milano · Scuola di Ingegneria Industriale e dell'Informazione · 055697 CFU · apri nel catalogo · High Performance Computing Engineering · 1º semestre ›

Testi consigliati (facoltativi)

Strang – Linear Algebra and Learning from DataCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Nocedal – Numerical OptimizationCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Griewank – Evaluating Derivativesquesto libroCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Goodfellow – Deep LearningCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026

. Calin, Deep Learning Architectures

Mathematical Approach – AnnoCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare

Argomenti del programma: 1. Numerical Linear Algebra Tools Singular value decomposition, principal components and best low rank matrix. Eigenvalues. Least square methods. QR factorization. Toeplitz matrices and shift invariant filters. Convolution. Randomized SVD 2. Automatic differentiation Wenger list, Direct Acyclic Graphs, Forward mode of AD Dual numbers Backward mode of AD 3.

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Numerical Analysis For Machine Learning – Prof. Edie Miglio Canale unico

Corso di laurea: Mathematical Engineering · Laurea triennale · esame facoltativo · 8 CFU

Politecnico di Milano · Scuola di Ingegneria Industriale e dell'Informazione · 8 CFU · apri nel catalogo · Mathematical Engineering · 1º semestre ›

Testi consigliati (facoltativi)

Strang – Linear Algebra and Learning from DataCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Nocedal – Numerical OptimizationCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Griewank – Evaluating Derivativesquesto libroCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Goodfellow – Deep LearningCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026

. Calin, Deep Learning Architectures

Mathematical Approach – AnnoCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare

Argomenti del programma: 1. Numerical Linear Algebra Tools Singular value decomposition, principal components and best low rank matrix. Eigenvalues. Least square methods. QR factorization. Toeplitz matrices and shift invariant filters. Convolution. Randomized SVD 2. Automatic differentiation Wenger list, Direct Acyclic Graphs, Forward mode of AD Dual numbers Backward mode of AD 3.

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Si studia insieme a