ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ, ΑΛΓΟΡΙΘΜΟΙ, ΚΑΙ ΕΦΑΡΜΟΓΕΣ ΣΤΗ C++

Το βιβλίο Μηχανική Μάθηση και Χωρική Ανάλυση στις Γεωεπιστήμες αποτελεί έναν πρακτικό οδηγό για την αξιοποίηση των δυνατοτήτων που προσφέρουν οι τεχνικές και οι μέθοδοι της Μηχανικής Μάθησης και Χωρικής Ανάλυσης στη συλλογή, επεξεργασία και ανάλυση γεωχωρικών δεδομένων, καθώς και στη μοντελοποίηση της εκδήλωσης και εξέλιξης φυσικών φαινομένων.

Αποτελεί ένα σημαντικό βοήθημα για επιστήμονες, ερευνητές και φοιτητές που θέλουν να εντρυφήσουν στον κόσμο της Τεχνητής Νοημοσύνης και των Γεωπιστημών, προσφέροντας έναν μεγάλο αριθμό πρακτικών παραδειγμάτων και case studies. Παρουσιάζονται και σχολιάζονται οι κώδικες που αναπτύσσονται για την επίλυση των σχετικών προβλημάτων στις γλώσσες προγραμματισμού Python και R.

Το παρόν σύγγραμμα υπόσχεται να εξοπλίσει τους αναγνώστες με τις αναγκαίες δεξιότητες και γνώσεις, ενισχύοντας την ικανότητά τους να αντιμετωπίζουν γεωπεριβαλλοντικές προκλήσεις και να εξάγουν σημαντικά συμπεράσματα από την ανάλυση γεωχωρικών δεδομένων. Με την ανάγνωση αυτού του βιβλίου, οι αναγνώστες θα αποκτήσουν ένα ισχυρό υπόβαθρο για την εφαρμογή τεχνικών Μηχανικής Μάθησης και Χωρικής Ανάλυσης, ενισχύοντας τη δυνατότητα συνεισφοράς τους στην ανάπτυξη βιώσιμων λύσεων για την προστασία και τη διαχείριση του περιβάλλοντος.

Περιέχει: Πρόλογος – Εισαγωγή – Εισαγωγή στη Γλώσσα Python και στη Γλώσσα R – Επίλυση Προβλημάτων με Εφαρμογή Μεθόδων Μηχανικής Μάθησης – Διαχείριση Δεδομένων για Εφαρμογές Μηχανικής Μάθησης και Χωρικής Ανάλυσης – Διερευνητική Ανάλυση Δεδομένων με τη Χρήση της Γλώσσας Python και της Γλώσσας R – Αβεβαιότητα και Ασαφής Λογική – Λογιστική Παλινδρόμηση – Αφελής Ταξινομητής Bayes – Δένδρα Απόφασης – k-Εγγύτερων/Πλησιέστερων Γειτόνων – Μηχανές Διανυσμάτων Υποστήριξης – Τεχνητά Νευρωνικά Δίκτυα – Συνδυασμός Πολλαπλών Μοντέλων (ΣΠΜ) και Εξελικτική Μάθηση και Βελτιστοποίηση – Τεχνικές και Μέθοδοι μη Εποπτευόμενης Μάθησης – Ενδεικτική Βιβλιογραφία – Ευρετήριο Όρων