Cuốn sách này cung cấp một cái nhìn tổng quan toàn diện về công nghệ và ứng dụng của máy điện. Nó được tổ chức thành hai phần về bảo trì và kiểm soát.

Cuốn sách này giới thiệu các khái niệm và sự phát triển của các máy điện mới nổi, bao gồm những tiến bộ, quan điểm và các ứng dụng được chọn. Đây là một công cụ hữu ích dành cho các kỹ sư thực hành quan tâm đến các máy điện mới nổi cũng như những thách thức và tiềm năng sử dụng của chúng.

Cuốn sách này đề cập đến việc thiết kế và phân tích điều khiển mô - men xoắn trực tiếp (DTC). Nó giới thiệu cho người đọc hai ứng dụng chính của máy điện: truyền động tốc độ và điều khiển vị trí, đồng thời cung cấp cho người đọc cái nhìn tổng quan toàn diện về lĩnh vực DTC dành riêng cho máy điện xoay chiều.

Cuốn sách này dành cho sinh viên, nghiên cứu sinh tiến sĩ, sinh viên sau đại học về kỹ thuật điện, nhà nghiên cứu và nhà khoa học liên quan đến việc phân tích, thiết kế và tối ưu hóa các đặc tính của máy điện.

Trong cuốn sách này, các nhà khoa học đa ngành có trình độ cao trình bày nghiên cứu gần đây của họ được thúc đẩy bởi tầm quan trọng của các thiết bị và máy móc cơ điện ứng dụng đối với các giải pháp di chuyển bằng điện.

The increasing use of automated laser welding processes causes high demands on process monitoring.

Machine Learning with Python for Everyone brings together all they’ll need to succeed: a practical understanding of the machine learning process, accessible code, skills for implementing that process with Python and the scikit-learn library, and real expertise in using learning systems intelligently.

Look around you. Artificial intelligence is no longer just a futuristic notion. It's here right now--in software that senses what we need, supply chains that "think" in real time, and robots that respond to changes in their environment. Twenty-first-century pioneer companies are already using AI to innovate and grow fast. The bottom line is this: Businesses that understand how to harness AI can surge ahead. Those that neglect it will fall behind. Which side are you on?

The book covers a broad array of topics not usually included in introductory machine learning texts, including supervised learning, Bayesian decision theory, parametric methods, semiparametric methods, nonparametric methods, multivariate analysis, hidden Markov models, reinforcement learning, kernel machines, graphical models, Bayesian estimation, and statistical testing.

Rather than spend $30-$50 USD on a dense long textbook, you may want to read this book first. As a clear and concise alternative to a textbook, this short book offers a practical and high-level introduction to the practical components and statistical concepts found in machine learning.