本简书介绍
这本书主要讲解关于数据驱动应用场景的技术，如应用优化，以及工程数学和数学物理的经典领域等。本书已经编写多年，主要是为了培养工程和物理科学系的高级本科生和初级研究生。一般来说，这些学生有线性代数、微分方程和科学计算的背景，工程师经常接触控制理论和/或偏微分方程。然而，大多数工程和科学领域的本科课程很少或没有接触到数据方法和/或优化。同样，计算机科学家和统计学家也很少接触动力系统和控制领域的知识。本书的目标是为这两类学生提供一个应用数据科学的广泛切入点。本书中讨论的方法，因为它们1)相关性，2)简单性和3)普遍性，并且试图呈现一系列的主题，从基本的介绍材料到研究水平的技术。
文末附本书最新免费pdf下载地址。
数据驱动的发现正在彻底改变我们对复杂系统的建模、预测和控制方式。现代最紧迫的科学和工程问题不适合基于第一原则的经验模型或推导。越来越多的研究人员转向数据驱动的方法，用于各种复杂系统大脑、气候、流行病学、金融、机器人和自主性。这些系统通常是非线性的、动态的、空间和时间上多尺度的、高维的，具有主要的潜在模式，这些模式应该被特征化和建模，以实现感测、预测、估计和控制的最终目标。借助现代数学方法，借助前所未有的数据和计算资源，我们现在能够解决以前无法解决的挑战性问题。
本书目录
