با افزایش تصاعدی حجم و پیچیدگی دادهها در علوم فیزیکی، یادگیری ماشین به دانشمندان کمک میکند تا این اطلاعات را غربال و تجزیه و تحلیل کنند و در عین حال پیشرفتهای نفسگیری در فیزیک کوانتومی، نجوم، کیهانشناسی و فراتر از آن ایجاد کنند. این کتاب درسی جامع، اصول اولیه ساخت، تشخیص، بهینهسازی و بهکارگیری روشهای یادگیری ماشین برای حل مسائل تحقیقاتی در فیزیک و نجوم را با تأکید بر تفکر انتقادی و روش علمی پوشش میدهد. کتاب «یادگیری ماشین برای فیزیک و نجوم» با رویکردی کاربردی به یادگیری، از دادههای دنیای واقعی و در دسترس عموم و همچنین مثالهایی که مستقیماً از مرزهای تحقیق گرفته شدهاند، از شناسایی مورفولوژی کهکشان از تصاویر گرفته تا شناسایی امضای ذرات مدل استاندارد در شبیهسازیها در برخورددهنده بزرگ هادرونی، بهره میبرد.
خوانندگان را با بهترین شیوههای حل مسئله مبتنی بر داده، از کاوش و پاکسازی اولیه دادهها تا انتخاب بهترین روش برای یک کار مشخص، آشنا میکند.
هر فصل با کاربرگهای Jupyter Notebook در پایتون همراه است که دانشجویان را قادر میسازد مفاهیم کلیدی را بررسی کنند.
شامل انبوهی از سوالات مروری و آزمونها است.
ایدهآل برای دانشجویان کارشناسی ارشد و دانشجویان کارشناسی ارشد در رشتههای STEM مانند فیزیک، علوم کامپیوتر، مهندسی و ریاضیات کاربردی.
قابل دسترسی برای خودآموزان با دانش پایه از جبر خطی و حساب دیفرانسیل و انتگرال.
اسلایدها و سوالات ارزیابی (فقط برای مدرسان در دسترس است)
