مکانیک سیالات مبتنی بر داده؛ ترکیب اصول اولیه و یادگیری ماشین

روش‌های داده‌محور به بخش مهمی از سبد روش‌شناسی متخصصان دینامیک سیالات تبدیل شده‌اند و دانشجویان و متخصصان را به جمع‌آوری دانش عملی از طیف متنوعی از رشته‌ها ترغیب می‌کنند. این زمینه‌ها شامل علوم کامپیوتر، آمار، بهینه‌سازی، پردازش سیگنال، تشخیص الگو، دینامیک غیرخطی و کنترل است. مکانیک سیالات از نظر تاریخی یک حوزه کلان داده است و زمینه مناسبی برای توسعه و به‌کارگیری روش‌های داده‌محور ارائه می‌دهد، در عین حال که بر اساس ارتباطات قدرتمند خود با فیزیک پایه، میانبرها، محدودیت‌ها و تفسیرهای ارزشمندی را نیز ارائه می‌دهد. بنابراین، رویکردهای ترکیبی که از هر دو روش مبتنی بر داده و همچنین اصول اساسی بهره می‌برند، محور تحقیقات فعال و هیجان‌انگیز هستند. این کتاب که برگرفته از یک دوره یک هفته‌ای از مجموعه سخنرانی‌های موسسه دینامیک سیالات فون کارمن است، مروری کلی و آموزشی بر برخی از ابزارهای داده‌محور و یادگیری ماشینی ارائه می‌دهد که منجر به پیشرفت‌های تحقیقاتی در کاهش مرتبه مدل، شناسایی سیستم، کنترل جریان و بسته شدن آشفتگی داده‌محور می‌شوند.