Machine Learning for Physics and Astronomy av Viviana Acquaviva

Boken 'Machine Learning for Physics and Astronomy' tilbyr en praktisk innføring i maskinlæring og dens anvendelser innen fysikk og astronomi. Etter hvert som datamengden og kompleksiteten vokser eksponentielt i de fysiske vitenskapene, blir maskinlæring et kritisk verktøy for forskere som ønsker å bearbeide og analysere denne informasjonen. Dette banebrytende lærebok gir et grundig blikk på de grunnleggende prinsippene for å bygge, diagnostisere, optimalisere og implementere maskinlæringsmetoder for å løse forskningsutfordringer innen felt som kvantefysikk og kosmologi. Med fokus på kritisk tenkning og den vitenskapelige metoden, oppfordrer boken til praktisk læring gjennom anvendelse av virkelige, offentlig tilgjengelige data. Her får leserne innsikt i konkrete eksempler fra forskningsfronten, inkludert analyser av galakser fra bilder og identifisering av signaturene til standardmodellen partikler i simuleringer ved Large Hadron Collider. Boken gir en omfattende introduksjon til beste praksiser innen datadrevet forskning.