Steven – Nathan Kutz

Libro adottato a Politecnico di Milano, a.a. 2026/2027 · 12 canali

«Steven – Nathan Kutz» è adottato per Metodi Computazionali per L'Ingegneria Edile Sostenibile dal prof. Francesco Regazzoni (Building Engineering for Sustainability – Politecnico di Milano); per Machine Learning For Chemical Engineering dal prof. Alessandro Stagni (Chemical Engineering - Ingegneria Chimica – Politecnico di Milano); per Computational Statistics dal prof. Andrea Manzoni (Computer Science and Engineering, Engineering Physics, High Performance Computing Engineering e altri corsi – Politecnico di Milano); per Model Order Reduction Techniques dal prof. Andrea Manzoni (Engineering Physics, Materials Engineering and Nanotechnology, Mathematical Engineering e altri corsi – Politecnico di Milano).

Come lo indica il docente: Steven L. Brunton, J. Nathan Kutz, Data-Driven Science and Engineering, Cambridge University Press, Anno edizione: 2022, ISBN: 9781009098489 · Steven L. Brunton, J. Nathan Kutz, Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control, Cambridge University Press, Anno edizione: 2022, ISBN: 9781009098489 · Steven L. Brunton, J. Nathan Kutz, Data-driven Science and Engineering. Machine Learning, Dynamical Systems, and Control, Cambridge University Press, Anno edizione: 2022 (e altre 1 varianti)

ISBN

9781009098489

Chi lo adotta

• Metodi Computazionali per L'Ingegneria Edile Sostenibile – Prof. Francesco Regazzoni (canale unico)Building Engineering for Sustainability · Laurea triennale · 1º anno · 1º semestre · Strutture, Tecnologie, Materiali · 6 CFU
• Machine Learning For Chemical Engineering – Prof. Alessandro Stagni (canale unico)Chemical Engineering - Ingegneria Chimica · Laurea triennale · 2º anno · 2º semestre · Innovation in Chemical Engineering · 5 CFU
• Computational Statistics – Prof. Andrea Manzoni (canale unico)Computer Science and Engineering · Laurea triennale · esame facoltativo · ARTIFICIAL INTELLIGENCE · 5 CFU
• Computational Statistics – Prof. Andrea Manzoni (canale unico)Engineering Physics · Laurea triennale · esame facoltativo · Micro- and nano-systems · 5 CFU
• Model Order Reduction Techniques – Prof. Andrea Manzoni (canale unico)Engineering Physics · Laurea triennale · esame facoltativo · Micro- and nano-systems · 5 CFU
• Computational Statistics – Prof. Andrea Manzoni (canale unico)High Performance Computing Engineering · Laurea triennale · esame facoltativo · 5 CFU
• Computational Statistics – Prof. Andrea Manzoni (canale unico)Materials Engineering and Nanotechnology · Laurea triennale · esame facoltativo · Micro and Nano Systems · 5 CFU
• Model Order Reduction Techniques – Prof. Andrea Manzoni (canale unico)Materials Engineering and Nanotechnology · Laurea triennale · esame facoltativo · Micro and Nano Systems · 5 CFU
• Computational Statistics – Prof. Andrea Manzoni (canale unico)Mathematical Engineering · Laurea triennale · esame facoltativo · 055700 CFU
• Model Order Reduction Techniques – Prof. Andrea Manzoni (canale unico)Mathematical Engineering · Laurea triennale · esame facoltativo · 5 CFU
• Computational Statistics – Prof. Andrea Manzoni (canale unico)Mechanical Engineering - BV,PC · Laurea triennale · 2º anno · 1º semestre · 5 CFU
• Model Order Reduction Techniques – Prof. Andrea Manzoni (canale unico)Mechanical Engineering - BV,PC · Laurea triennale · 2º anno · 2º semestre · 5 CFU / 1º anno · 2º semestre · Mechatronics and robotics · 5 CFU

Programma e testi di ogni canale

Altri 4 canali adottano questo libro: sono nell'elenco qui sopra.

Si studia insieme a

• Kevin – Probabilistic Machine Learning
• Ralph Smith – Uncertainty Quantification
• Jochen Voss – An Introduction to Statistical Computing
• Mark Asch – And Applications
• Quarteroni – Reduced Basis Methods for Partial Differential Equations
• Arturo Tedeschi – 978-88-95315-30-0