مشخصات کتاب

Statistics, Data Mining, and Machine Learning in Astronomy: A Practical Python Guide for the Analysis of Survey Data

ویرایش:  
نویسندگان: Željko Ivezić,  Andrew Connolly,  Jake Vanderplas,  Alexander Gray  
سری:  
ISBN (شابک) : 0691151687, 9780691151687 
ناشر: Princeton University Press 
سال نشر: 2014 
تعداد صفحات: 560
[559] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 103 Mb 

در صورت تبدیل فایل کتاب Statistics, Data Mining, and Machine Learning in Astronomy: A Practical Python Guide for the Analysis of Survey Data به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب آمار، داده کاوی و یادگیری ماشینی در نجوم: راهنمای عملی پایتون برای تجزیه و تحلیل داده های نظرسنجی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب آمار، داده کاوی و یادگیری ماشینی در نجوم: راهنمای عملی پایتون برای تجزیه و تحلیل داده های نظرسنجی

با قدرتمندتر شدن تلسکوپ‌ها، آشکارسازها و رایانه‌ها، حجم داده‌هایی که در اختیار ستاره‌شناسان و اخترفیزیکدانان است وارد حوزه پتابایت می‌شود و اندازه‌گیری‌های دقیقی را برای میلیاردها جرم آسمانی فراهم می‌کند. این کتاب مقدمه‌ای جامع و در دسترس برای روش‌های آماری پیشرفته مورد نیاز برای تجزیه و تحلیل کارآمد مجموعه داده‌های پیچیده از نظرسنجی‌های نجومی مانند تلسکوپ بررسی پانورامیک و سیستم واکنش سریع، بررسی انرژی تاریک و تلسکوپ بررسی سینوپتیک بزرگ آینده ارائه می‌کند. این کتاب به عنوان یک کتابچه راهنمای عملی برای دانشجویان کارشناسی ارشد و کارشناسی ارشد در فیزیک و نجوم، و به عنوان یک مرجع ضروری برای محققان عمل می کند.

\"آمار، داده کاوی و یادگیری ماشین در نجوم\" یک ثروت را ارائه می دهد. مسائل تحلیل عملی، تکنیک های حل آنها را ارزیابی می کند و نحوه استفاده از رویکردهای مختلف برای انواع و اندازه های مختلف مجموعه داده ها را توضیح می دهد. برای تمام برنامه های توضیح داده شده در کتاب، کد پایتون و مجموعه داده های نمونه ارائه شده است. مجموعه داده‌های پشتیبان با دقت از نظرسنجی‌های نجومی معاصر (مثلاً بررسی آسمان دیجیتال اسلون) انتخاب شده‌اند و دانلود و استفاده آسان است. کد پایتون همراه در دسترس عموم است، به خوبی مستند شده است و از استانداردهای کدگذاری یکنواخت پیروی می کند. مجموعه داده‌ها و کدها با هم، خوانندگان را قادر می‌سازد تا تمام شکل‌ها و مثال‌ها را بازتولید کنند، روش‌ها را ارزیابی کنند و آنها را با زمینه‌های مورد علاقه خود تطبیق دهند. مفیدترین روش های آماری و داده کاوی را برای استخراج دانش از مجموعه داده های نجومی عظیم و پیچیده توصیف می کند. دارای مجموعه داده های دنیای واقعی از نظرسنجی های نجومی معاصر است.

توضیحاتی درمورد کتاب به خارجی

As telescopes, detectors, and computers grow ever more powerful, the volume of data at the disposal of astronomers and astrophysicists will enter the petabyte domain, providing accurate measurements for billions of celestial objects. This book provides a comprehensive and accessible introduction to the cutting-edge statistical methods needed to efficiently analyze complex data sets from astronomical surveys such as the Panoramic Survey Telescope and Rapid Response System, the Dark Energy Survey, and the upcoming Large Synoptic Survey Telescope. It serves as a practical handbook for graduate students and advanced undergraduates in physics and astronomy, and as an indispensable reference for researchers.

"Statistics, Data Mining, and Machine Learning in Astronomy" presents a wealth of practical analysis problems, evaluates techniques for solving them, and explains how to use various approaches for different types and sizes of data sets. For all applications described in the book, Python code and example data sets are provided. The supporting data sets have been carefully selected from contemporary astronomical surveys (for example, the Sloan Digital Sky Survey) and are easy to download and use. The accompanying Python code is publicly available, well documented, and follows uniform coding standards. Together, the data sets and code enable readers to reproduce all the figures and examples, evaluate the methods, and adapt them to their own fields of interest. Describes the most useful statistical and data-mining methods for extracting knowledge from huge and complex astronomical data sets Features real-world data sets from contemporary astronomical surveys Uses a freely available Python codebase throughout Ideal for students and working astronomers

نظرات کاربران

کتاب های تصادفی

دانلود کتاب The wildlife garden: planning backyard habitats

دانلود کتاب Blood and Belonging

دانلود کتاب The Geopolitical Orbits of Ancient India: The Geographical Frames of the Ancient Indian Dynasties

دانلود کتاب Sexual attraction and its chemistry

دانلود کتاب Experimentelle Untersuchungen an der Terminalen Strombahn der Frucht und ihre Bedeutung für die Klinik: (Ein Beitrag zur Pathogenese des Fruchttodes)