Statistik, Data Mining und maschinelles Lernen in der Astronomie: Eine praktische Python-Anleitung zur Analyse von Survey-Daten, aktualisierte Ausgabe van Zeljko Ivezic, Andrew J. Connolly und Jacob T. VanderPlas ist ein englischsprachiges Lehrbuch für Hochschulen und Fachleute in der Astronomie.
Dieses Nachschlagewerk behandelt statistische Methoden, Data Mining und maschinelles Lernen zur Analyse komplexer Datensätze aus astronomischen Surveys wie Pan-STARRS, dem Dark Energy Survey und dem Large Synoptic Survey Telescope. Die vollständig aktualisierte Ausgabe enthält praktische Beispiele, Python-Code und herunterladbare Datensätze, mit denen Nutzer reproduzierbare Analysen durchführen können. Der Inhalt wurde um neue Themen erweitert, darunter Deep Learning, hierarchische Bayes-Modelle und approximative Bayes'sche Berechnungen.
Merkmale:
- Umfassende Behandlung von Statistik, maschinellem Lernen und Data Mining in der Astronomie
- Verwendung aktueller und leicht zugänglicher astronomischer Datensätze
- Praktischer Python-Code, der einheitlich dokumentiert ist und frei verfügbar
- Geeignet als Referenz für Wissenschaftler und als Lehrbuch für Studierende
Dieses Lehrbuch knüpft an Fachgebiete wie theoretische und mathematische Astronomie sowie Astrophysik an.
Reihe: Princeton Series in Modern Observational Astronomy