Doprava zdarma při nákupu nad 1 499 Kč přes Zásilkovnu nebo PPL Box.

Zjistit stav objednávky

Staňte se součástí komunity milovníků knih z celého světa a získejte hromadu výhod. Založit účet zdarma

Doprava zdarma se Zásilkovnou nad 1 499 Kč

Kurýr DPD 69 Kč PPL shop 49 Kč Balíkovna 69 Kč PPL kurýr 74 Kč PPL box 39 Kč Balíkovna 49 Kč Výdejní místo DPD 49 Kč Zásilkovna 39 Kč

Kontakt

Jak nakupovat

Pomoc

Můj účet

▸ Prázdný :-(

Doprava zdarma při nákupu nad 1 499 Kč přes Zásilkovnu nebo PPL Box.

Materials Informatics I

Name: Materials Informatics I
Brand: Springer, Berlin
SKU: 47145781
Price: 6588 CZK
Availability: InStock
Author: Kunal Roy
ISBN: 9783031787355

Methods

Kunal Roy

Arkaprava Banerjee

Jazyk

Angličtina

Kniha Pevná

Libristo kód: 47145781

Nakladatelství Springer, Berlin, listopad 2024

This contributed volume explores the integration of machine learning and cheminformatics within mate... Celý popis

Libristo kód: 47145781

659 b

6 588 Kč

Skladem u dodavatele Odesíláme za 10-13 dnů

Až 30 dní na vrácení zboží

Zákazníci také koupili

Zur Reconstruction Der Weltkarte Des Agrippa ... Mit ... Kartenskizzen. F. Dr Philippi

Pevná

683 Kč

Entwicklungsgeschichte der Menschheit besonders in ethischer Beziehung Friedrich Ehrenfeuchter

Brožovaná

641 Kč

36 Etüden op. 20 Heinrich Ernst Kayser

Brožovaná

405 Kč

Notables Arrests Des Audiances Du Parlement de Paris, Depuis 1657 Jusques En 1664 France Parlement

Brožovaná

790 Kč

Internationale Zeitschrift für Psychoanalyse XXI 1935 Heft 4 Sigmund Freud

Brožovaná

356 Kč

Sexe et territoire en Colombie Schmit

Brožovaná

648 Kč

Meenutused Sinead O'connor

Brožovaná

131 Kč

This contributed volume explores the integration of machine learning and cheminformatics within materials science, focusing on predictive modeling techniques. It begins with foundational concepts in materials informatics and cheminformatics, emphasizing quantitative structure-property relationships (QSPR). The volume then presents various methods and tools, including advanced QSPR models, quantitative read-across structure-property relationship (q-RASPR) models, optimization strategies with minimal data, and in silico studies using different descriptors. Additionally, it explores machine learning algorithms and their applications in materials science, alongside innovative modeling approaches for quantum-theoretic properties. Overall, the book serves as a comprehensive resource for understanding and applying machine learning in the study and development of advanced materials and is a useful tool for students, researchers and professionals working in these areas.