Bewertung:
Das Buch bietet einen soliden Überblick über Anwendungen des maschinellen Lernens im Öl- und Gassektor (O&G) und liefert praktische Einblicke und Beispiele für Profis und Anfänger gleichermaßen. Es schafft ein Gleichgewicht zwischen der Einführung von Konzepten ohne überwältigende Details.
Vorteile:Guter Überblick über maschinelles Lernen im O&G-Sektor, gut geschrieben, Pflichtlektüre für Datenwissenschaftler, praktische Beispiele enthalten, visionärer Ansatz für die digitale Transformation, nützlich sowohl für Profis als auch für Anfänger.
Nachteile:Es fehlen technische Details zu Programmiercodes und Modellspezifika, was Leser, die tiefgehende technische Inhalte suchen, möglicherweise nicht zufriedenstellt.
(basierend auf 6 Leserbewertungen)
Machine Learning in the Oil and Gas Industry: Including Geosciences, Reservoir Engineering, and Production Engineering with Python
Wenden Sie maschinelles und tiefes Lernen an, um einige der Herausforderungen in der Öl- und Gasindustrie zu lösen. Das Buch beginnt mit einer kurzen Erörterung des Lebenszyklus der Öl- und Gasexploration und -produktion im Kontext des Datenflusses durch die verschiedenen Phasen des Industriebetriebs. Dies führt zu einer Übersicht über einige interessante Probleme, die sich gut für die Anwendung von Ansätzen des maschinellen und tiefen Lernens eignen. In den ersten Kapiteln wird eine Einführung in die Programmiersprache Python gegeben, die für die Implementierung der Algorithmen verwendet wird.
Es folgt ein Überblick über die Konzepte des überwachten und unüberwachten maschinellen Lernens. Die Autoren liefern Beispiele aus der Industrie, die Open-Source-Datensätze verwenden, sowie praktische Erklärungen zu den Algorithmen, ohne dabei zu tief in die theoretischen Aspekte der verwendeten Algorithmen einzutauchen. Maschinelles Lernen in der Öl- und Gasindustrie deckt Probleme ab, die verschiedene Branchenthemen umfassen, darunter Geophysik (seismische Interpretation), geologische Modellierung, Reservoir Engineering und Produktionstechnik.
Der Schwerpunkt des Buches liegt auf einem praktischen Ansatz mit schrittweisen Erklärungen und Codebeispielen für die Implementierung von Algorithmen für maschinelles und tiefes Lernen zur Lösung realer Probleme in der Öl- und Gasindustrie.
(Was Sie lernen werden)
⬤ Verständnis des durchgängigen industriellen Lebenszyklus und des Datenflusses in den industriellen Abläufen der Öl- und Gasindustrie.
⬤ Sie erhalten die grundlegenden Konzepte der Computerprogrammierung und des maschinellen und tiefen Lernens, die für die Implementierung der verwendeten Algorithmen erforderlich sind.
⬤ Untersuchen Sie interessante Industrieprobleme, die sich gut für die Lösung durch maschinelles und tiefes Lernen eignen.
⬤ Entdecken Sie die praktischen Überlegungen und Herausforderungen bei der Durchführung von Machine- und Deep-Learning-Projekten in der Öl- und Gasindustrie.
Für wen ist dieses Buch gedacht?
Fachleute in der Öl- und Gasindustrie, die von einem praktischen Verständnis des Ansatzes des maschinellen und tiefen Lernens zur Lösung realer Probleme profitieren können.
| ISBN: | 9781484260937 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2020 |
| Seitenzahl: | 300 |
Derzeit verfügbar, auf Lager.
