Machine Learning for Physics and Astronomy

"Un'introduzione pratica all'apprendimento automatico e alle sue applicazioni alle scienze fisiche. Mentre le dimensioni e la complessità dei dati continuano a crescere in modo esponenziale nelle scienze fisiche, l'apprendimento automatico aiuta gli scienziati a vagliare e analizzare queste informazioni e a compiere progressi mozzafiato nella fisica quantistica, nell'astronomia, nella cosmologia e oltre. Questo testo incisivo tratta i Basic della costruzione, della diagnosi, dell'ottimizzazione e dell'utilizzo dei metodi di apprendimento automatico per risolvere i problemi di ricerca in fisica e astronomia, ponendo l'accento sul pensiero critico e sul metodo scientifico. Utilizzando un approccio pratico all'apprendimento, il Machine Learning per la Fisica e l'Astronomia si basa su dati reali e disponibili al pubblico e su esempi tratti direttamente dalle frontiere della ricerca, dall'identificazione della morfologia delle galassie dalle immagini all'identificazione della firma delle particelle del modello standard nelle simulazioni del Large Hadron Collider. Introduce i lettori alle migliori pratiche per la risoluzione di problemi guidati dai dati, dall'esplorazione e pulizia preliminare dei dati alla selezione del metodo migliore per un determinato compito. Ogni capitolo è accompagnato da fogli di lavoro Jupyter Notebook in Python che permettono agli studenti di esplorare i concetti chiave. Include una serie di domande di ripasso e quiz. Ideale per studenti universitari e laureati in discipline STEM come fisica, informatica, ingegneria e matematica applicata. Accessibile anche a chi ha una conoscenza di base dell'algebra lineare e del calcolo. Slides e domande di valutazione (disponibili solo per gli insegnanti)"--.