Mon compte Ma liste - 0
	Catalogue   Ressources numériques   Nouveautés   Liens utiles   Mon compte

Recherche rapide Recherche avancée Recherche alphabétique Historique Information

Recherche  AuteurTitreSujetTitre de revueCollectionCotes BUCotes ENSEACotes IUFM       Modifier la recherche     > CERGY

Elargir la recherche         Sur le même sujet :     Apprentissage automatique     Planétologie -- Informatique     Machine learning     Planetary science -- Data processing     Parcourir le catalogue     par auteur:      Helbert , Joern      D'Amore , Mario      Aye , Michael)       Rechercher sur Internet     Localiser dans une autre bibliothèque (SUDOC) (PPN ou ISBN ou ISSN)     Aperçu dans Google Books     Affichage MARC

Auteur :  Helbert , Joern D'Amore , Mario Aye , Michael) Titre :  Machine learning for planetary science , edited by Joern Helbert, Mario D'Amore, Michael Aye, Hannah Kerner Editeur :  Amsterdam : Elsevier , 2022 ISBN:  978-01-2818-722-7 Notes :  Couverture : https://static2.cyberlibris.com/books_upload/136pix/9780128187227.jpg Bibliogr. en fin de chapitres. Index Titre provenant de la page de titre du document numérique La pagination de l'édition imprimée correspondante est de 292 p. Machine learning for planetary science presents planetary scientists with a way to introduce machine learning into the research workflow as increasingly large nonlinear datasets are acquired from planetary exploration missions. The book explores research that leverages machine learning methods to enhance our scientific understanding of planetary data and serves as a guide for selecting the right methods and tools for solving a variety of everyday problems in planetary science using machine learning. Illustrating ways to employ machine learning in practice with case studies, the book is clearly organized into four parts to provide thorough context and easy navigation. The book covers a range of issues, from data analysis on the ground to data analysis onboard a spacecraft, and from prioritization of novel or interesting observations to enhanced missions planning. This book is therefore a key resource for planetary scientists working in data analysis, missions planning, and scientific observation. Configuration requise : navigateur internet URL:  (Accès réservé aux étudiants de l'ENSEA) http://univ.scholarvox.com.ez-proxy.ensea.fr/book/88930838 Sujet :  Apprentissage automatique Planétologie -- Informatique Machine learning Planetary science -- Data processing   Exemplaires Site Emplacement Cote Type de prêt Statut   Ensea Ressources numériques ENSEA-SCHOLARV Consultation en ligne Disponible

Pour toute question, contactez la bibliothèque

Horizon Information Portal 3.25_france_v1m© 2001-2019 SirsiDynix Tous droits réservés.