Heute produzieren astronomische Observatorien mehr Daten denn je, von Forschungsarbeiten bis hin zu tiefen Bildern. Methoden des maschinellen Lernens können ein leistungsstarkes Werkzeug sein, um das volle Potenzial dieser neuen Observatorien sowie die angesammelten großen Datenbestände zu nutzen. Dennoch sollten Benutzer häufige Fallstricke beachten, wie Vorurteile in Datensätzen und Überanpassung.
Der IAU-Symposium 368 richtet sich an Masterstudierende, Lehrkräfte und professionelle Astronomen, die maschinelles Lernen nutzen möchten, um diese riesigen Datenmengen zu entschlüsseln. Forscher, die die Grenzen dieser Methoden erweitern, teilen bewährte Praktiken in der angewandten maschinellen Lerntechnik. Während sich dieser Band auf Anwendungen in der Astronomie konzentriert, sind die bereitgestellten methodischen Informationen für alle datenintensiven Bereiche relevant.
Anfänger im maschinellen Lernen sowie erfahrene Nutzer werden diese frischen, neuen Erkenntnisse finden und davon profitieren.
Seiten: 200, Maße: 17,8x17,8cm
