分析化學：古典分析(Skoog: Fundamentals of Analytical Chemistry,10/e) (10版)

類似書籍推薦給您

分析化學：古典分析(第十版)(Skoog 10/e) 作者：方嘉德譯 年份：2022 年10 版 ISBN：9786269540617 書號：CE0297-1 規格：16開/平裝/單色 頁數：512 出版商：聖智學習 分析化學：儀器分析(第九版)(Skoog 9/e) 作者：方嘉德譯(Skoog) 年份：2014 年9 版 ISBN：9789865840273 書號：CE0232 規格：16開/平裝/單色 頁數：640 出版商：聖智學習 古典分析 目錄 第一章 分析化學之本質 第一篇 分析測量之品質 第二章 分析化學使用之計算方法 第三章 統計分析方法之介紹 第四章 統計學在分析化學的應用 第二篇 化學平衡 第五章 水溶液與化學平衡 第三篇 古典分析方法 第六章 重量分析法 第七章 分析化學之滴定方法 第八章 酸鹼中和滴定之原理 第九章 複雜之酸鹼系統 第十章 酸鹼中和滴定之應用 第十一章 錯化合與沉澱之反應和滴定 第四篇 電化學方法 第十二章 電化學緒論 第十三章 標準電極電位之應用 第十四章 氧化還原滴定之應用 附錄一 分析化學之參考文獻 附錄二 25℃ 之溶解度積常數 附錄三 25℃ 之酸解離常數 附錄四 25℃ 之形成常數 附錄五 25℃ 之標準與形式電極電位 附錄六 配製一些常用元素之標準溶液時的建議使用之化合物 儀器分析 目錄 第四篇 電化學方法 第二十一章 電位法 第二十二章 總體電解法：電重量法與庫倫法 第二十三章 伏安法 第五篇 光譜化學分析法 第二十四章 光譜化學法之介紹 第二十五章 光學光譜法之儀器 第二十六章 分子吸收光譜法 第二十七章 分子螢光光譜法 第二十八章 原子光譜法 第二十九章 質譜法 第六篇 動力學與分離法 第三十章 動力學分析法 第三十一章 分析分離法之介紹 第三十二章 氣相層析法 第三十三章 高效能液相層析法 第三十四章 其他分離方法 第七篇 化學分析方法之實務面 （網路章節） 第三十五章 真實樣品之分析方法 第三十六章 製備分析樣品 第三十七章 樣品之分解與溶解操作 第三十八章 分析方法之選擇範例 附錄一 分析化學之參考文獻 附錄二 25℃ 之溶解度積常數 附錄三 25℃ 之酸解離常數 附錄四 25℃ 之形成常數 附錄五 25℃ 之標準與形式電極電位 附錄六 指數與對數之使用方法 附錄七 使用當量濃度與當量重之容積計算方式 附錄八 配製一些常用元素之標準溶液時的建議使用之化合物 附錄九 誤差累進方程式之推導

Fundamentals of Analytical Chemistry (10版)

類似書籍推薦給您

Fundamentals of Analytical Chemistry 10/e AE +作者：Skoog/Holler +年份：2022 年10 版 +ISBN：9789814986830 +書號：CE0297PC +規格：平裝/彩色 +頁數：1048 +出版商：Cengage 目錄 1. The Nature of Analytical Chemistry Part 1: Quality of Analytical Measurements 2. Calculations Used In Analytical Chemistry 3. Precision and Accuracy of Chemical Analysis 4. Random Errors in Chemical Analysis 5. Statistical Data Treatment and Evaluation 6. Sampling, Standardization and Calibration Part II Chemical Equilibria 7. Aqueous Solutions and Chemical Equilibria 8. Effect of Electrolytes on Chemical Equilibria 9. Solving Equilibrium Problems for Complex Systems Part III Classical Methods of Analysis 10. Gravimetric Methods of Analysis 11. Titrations in Analytical Chemistry 12. Principles of Neutralization Titrations 13. Complex Acid/Base Systems 14. Applications of Neutralization Titrations 15. Complexation and Precipitation Reactions and Titrations Part IV Electrochemical Methods 16. Introduction to Electrochemistry 17. Applications of Standard Electrode Potentials 18. Applications of Oxidation/Reduction Titrations 19. Potentiometry 20. Bulk Electrolysis: Electrogravimetry and Coulometry 21. Voltammetry Part V Spectrochemical Analysis 22. Introduction to Spectrochemical Methods 23. Instruments for Optical Spectrometry 24. Molecular Absorption Spectroscopy 25. Molecular Fluorescence Spectroscopy 26. Atomic Spectroscopy 27. Mass Spectrometry Part VI Kinetics and Separations 28. Kinetic Methods of Analysis 29. Introduction to Analytical Separations 30. Gas Chromatography 31. High-Performance Liquid Chromatography 32. Miscellaneous Separation Methods Part VII Practical Aspects of Chemical Analysis Chapters 33-37 are available as pdf files on the Web 33. Analysis of Real Samples 34. Preparing Samples for Analysis 35. Decomposing and Desolving the Sample 36. Chemicals. Apparatus, and Unit Operations of Analytical Chemistry 37. Selected Methods of Analysis

Fundamentals of Machine Learning for Predictive Data Analytics (2版)

類似書籍推薦給您

Fundamentals of Machine Learning for Predictive Data Analytics, Second Edition: Algorithms, Worked Examples, and Case Studies 作者： Kelleher, John D.,Mac Namee, Brian,D’Arcy, Aoife 原文出版社：MIT Press 出版日期：2020/10/20 語言：英文 簡介 The second edition of a comprehensive introduction to machine learning approaches used in predictive data analytics, covering both theory and practice.Machine learning is often used to build predictive models by extracting patterns from large datasets. These models are used in predictive data analytics applications including price prediction, risk assessment, predicting customer behavior, and document classification. This introductory textbook offers a detailed and focused treatment of the most important machine learning approaches used in predictive data analytics, covering both theoretical concepts and practical applications. Technical and mathematical material is augmented with explanatory worked examples, and case studies illustrate the application of these models in the broader business context. This second edition covers recent developments in machine learning, especially in a new chapter on deep learning, and two new chapters that go beyond predictive analytics to cover unsupervised learning and reinforcement learning. The book is accessible, offering nontechnical explanations of the ideas underpinning each approach before introducing mathematical models and algorithms. It is focused and deep, providing students with detailed knowledge on core concepts, giving them a solid basis for exploring the field on their own. Both early chapters and later case studies illustrate how the process of learning predictive models fits into the broader business context. The two case studies describe specific data analytics projects through each phase of development, from formulating the business problem to implementation of the analytics solution. The book can be used as a textbook at the introductory level or as a reference for professionals.