Introduction to Environmental Data Science (Hsieh William W. (University of British Columbia Vancouver))
Metody statystyczne i uczenia maszynowego mają wiele zastosowań w naukach o środowisku, w tym w prognozowaniu i analizie danych w meteorologii, hydrologii i oceanografii; rozpoznawaniu wzorców dla zdjęć satelitarnych z teledetekcji; zarządzaniu rolnictwem i lasami; ocenie zmian klimatu i wielu innych.
Wraz z szybkim postępem w uczeniu maszynowym w ostatniej dekadzie, książka ta stanowi pilnie potrzebny, kompleksowy przewodnik po uczeniu maszynowym i statystyce dla studentów i badaczy zainteresowanych nauką o danych środowiskowych. Zawiera intuicyjne wyjaśnienia obejmujące odpowiednią matematykę podstawową, z przykładami zaczerpniętymi z nauk o środowisku.
Omówiono szeroki zakres tematów, w tym korelację, regresję, klasyfikację, grupowanie, sieci neuronowe, lasy losowe, wzmacnianie, metody jądrowe, algorytmy ewolucyjne i głębokie uczenie się, a także niedawne połączenie uczenia maszynowego i fizyki. Ćwiczenia na końcu rozdziału pozwalają czytelnikom rozwijać swoje umiejętności rozwiązywania problemów, a zestawy danych online pozwalają czytelnikom ćwiczyć analizę rzeczywistych danych.