
Introduction to Environmental Data Science (Hsieh William W. (University of British Columbia Vancouver))
Statistische Methoden und Methoden des maschinellen Lernens finden in den Umweltwissenschaften zahlreiche Anwendungen, z. B.
Vorhersage und Datenanalyse in der Meteorologie, Hydrologie und Ozeanografie, Mustererkennung für Satellitenbilder aus der Fernerkundung, Management von Landwirtschaft und Wäldern, Bewertung des Klimawandels und vieles mehr. Angesichts der rasanten Fortschritte im Bereich des maschinellen Lernens in den letzten zehn Jahren bietet dieses Buch einen dringend benötigten, umfassenden Leitfaden zum maschinellen Lernen und zur Statistik für Studierende und Forscher, die sich für Umweltdatenwissenschaft interessieren. Es enthält intuitive Erklärungen, die die relevante Hintergrundmathematik abdecken, mit Beispielen aus den Umweltwissenschaften.
Es wird ein breites Spektrum an Themen abgedeckt, darunter Korrelation, Regression, Klassifizierung, Clustering, neuronale Netze, Random Forests, Boosting, Kernel-Methoden, evolutionäre Algorithmen und Deep Learning sowie die jüngste Verschmelzung von maschinellem Lernen und Physik. Übungen am Ende der Kapitel ermöglichen es den Lesern, ihre Problemlösungsfähigkeiten zu entwickeln, und Online-Datensätze ermöglichen es den Lesern, die Analyse von echten Daten zu üben.