Представьте, что вы смотрите фильм с проектора. Если через луч проектора проходит человек, он создаёт тень, закрывая часть света. Зрители видят, что часть света от проектора закрывается, и понимают, что закрывает его какой-то человек (обычно это их раздражает). Зрители в данном случае повторяют действия телескопа «Кеплер», который обнаруживает вращающиеся вокруг звёзд планеты (экзопланеты), выявляя мельчайшие изменения в количестве света, поступающего от звезды, если планета проходит перед звездой. Такое явление называется транзитом. На основе данных о транзитных свойствах объектов при помощи машинного обучения возможно прогнозировать расположение экзопланет, в том числе похожих на Землю. К старту курса о машинном и глубоком обучении делимся немного реорганизованным переводом статьи о том, как тип модели ML может повлиять на качество прогнозирования. В конце статьи вы найдёте ссылку на репозиторий проекта с блокнотами Jupyter.
Изучаем машинное обучения на примере данных, полученных телескопом «Кеплер»
Паблик ВКонтакте
Последние посты
- Hi-Fi RUSH и Pentiment получили первые скидки на PS5
- Microsoft выпустила обновление для Windows 11 с рекламой в меню “Пуск” – Windows 11 используется на 400 миллионах устройств ежемесячно через два года после выхода, у предыдущей операционной системы была выше цифра
- Началось событие ‘Знамение’!
- Крупное обновление Яндекс.Карт: улучшенная навигация для пешеходов и велосипедистов
- Ещё один подробный обзор. SiN Episodes: Emergence