KI-Beratung Beta

Gutscheinbedingungen

**Gültig vom 05.10.2026 bis 07.10.2026 | Gültig für nicht preisgebundene fremdsprachige Bücher | Einzelne Artikel können ausgeschlossen sein | Online auf www.bücher.de einlösbar | Click & Collect nur mit Online-Zahlung (Paypal/Kreditkarte) vorab | Nicht kombinierbar mit anderen Gutscheinen oder Preisaktionen | Nur einmal pro Einkauf einlösbar | Gutschein wird auf max. 500€ Bestellwert angerechnet | Keine Barauszahlung | Nicht gültig für Versandkosten und Services

Produktbild: Advances in Data Science and Optimization of Complex Systems
Band 1311 - 11%

Advances in Data Science and Optimization of Complex Systems Proceedings of the International Conference on Applied Mathematics and Computer Science – ICAMCS 2024, Volume 1

11% sparen

189,99 € UVP 213,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

05.06.2025

Abbildungen

XIII, 557 p. 224 illus., 161 illus. in color.

Herausgeber

Hoai An Le Thi + weitere

Verlag

Springer

Seitenzahl

557

Maße (L/B/H)

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

Gewicht

855 g

Sprache

Englisch

ISBN

978-3-031-90605-3

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

05.06.2025

Abbildungen

XIII, 557 p. 224 illus., 161 illus. in color.

Herausgeber

Verlag

Springer

Seitenzahl

557

Maße (L/B/H)

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

Gewicht

855 g

Sprache

Englisch

ISBN

978-3-031-90605-3

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

  • Produktbild: Advances in Data Science and Optimization of Complex Systems

  • .- 1 On Solving Difficult Combinatorial Optimization Problems Efficiently— A New Framework.- Variants of inertial algorithms for nonmonotone equilibrium problems.- Recovering Linear Causal Models with Latent Variables via Cholesky Factorization of Covariance Matrix.- Computing sparse generalized inverses for least-squares.- Dynamic Regret for Online Proximal Newton’s Method, etc.