El aprendizaje automático ha ayudado en muchos de los principales descubrimientos de física últimamente, especialmente en física de partículas y astronomía. Dentro de la física de partículas, los datos del colisionador son masivos y contienen mucho ruido. La aplicación del aprendizaje automático para examinar los datos en busca de posibles instancias de una partícula o proceso (como el bosón de Higgs) permite a los investigadores concentrarse en resultados interesantes dentro de una pila de billones, introduciendo descubrimientos más rápidos y menos tiempo perdido. También permite a los investigadores examinar los experimentos que no están directamente relacionados con el proceso que están estudiando, pero cuya presencia es posible dentro de ese experimento.
En astronomía, la ciencia de datos y el aprendizaje automático a menudo se utilizan para identificar procesos o características interesantes en datos astronómicos (nuevas galaxias, supernovas, posibles agujeros negros …). Una vez más, los datos suelen ser masivos y las firmas son débiles.
- Cómo manejar grandes datos
- Cómo lidiar con la falta de disponibilidad de datos o datos incorrectos para resolver problemas de ciencia de datos
- ¿Qué es una potencial tesis maestra de minería de datos?
- ¿Qué piensa la comunidad de Data Science sobre la discriminación contra aquellos sin doctorado de recursos humanos sin educación?
- Quiero aprender análisis avanzados en 1-2 meses. ¿A qué curso debo unirme para convertirme en un experto en análisis de datos?
