Merkzettel Warenkorb
Produktbild: Machine Learning for Earth Sciences

Machine Learning for Earth Sciences Using Python to Solve Geological Problems

Aus der Reihe Springer Textbooks in Earth Sciences, Geography and Environment

57,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

24.09.2024

Verlag

Springer

Seitenzahl

209

Maße (L/B/H)

23,5/15,5/1,3 cm

Gewicht

353 g

Sprache

Englisch

ISBN

978-3-031-35116-7

Beschreibung

Rezension

“This book is essential for anyone planning to apply machine learning to earth science data (including multispectral and hyperspectral imaging). For maximum benefit, the reader should treat it as both an extensive tutorial as well as a bibliography: be prepared to code along with the examples and to look up the references.” (Creed Jones, Computing Reviews, January 1, 2024)

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

24.09.2024

Verlag

Springer

Seitenzahl

209

Maße (L/B/H)

23,5/15,5/1,3 cm

Gewicht

353 g

Sprache

Englisch

ISBN

978-3-031-35116-7

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: [email protected]

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
  • Produktbild: Machine Learning for Earth Sciences
  • Part 1: Basic Concepts of Machine Learning for Earth Scientists.- Chapter 1. Introduction to Machine Learning.- Chapter 2. Setting Up your Python Environments for Machine Learning.- Chapter 3. Machine Learning Workflow.- Part 2: Unsupervised Learning.- Chapter 4. Unsupervised Machine Learning Methods.- Chapter 5. Clustering and Dimensionality Reduction in Petrology.- Chapter 6. Clustering of Multi-Spectral Data.- Part 3: Supervised Learning.- Chapter 7. Supervised Machine Learning Methods.- Chapter 8. Classification of Well Log Data Facies by Machine Learning.- Chapter 9. Machine Learning Regression in Petrology.- Part 4: Scaling Machine Learning Models.- Chapter 10. Parallel Computing and Scaling with Dask.- Chapter 11. Scale Your Models in the Cloud.- Part 5: Next Step: Deep Learning.- Chapter 12. Introduction to Deep Learning.