کتاب یادگیری چندوجهی برای تحلیل داده‌های نجومی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری چندوجهی برای تحلیل داده‌های نجومی

موضوع کلی: کیهان‌شناسی و فیزیک نوین

موضوع میانی: شبکه‌های عصبی کانولوشنال

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر داده‌های نجومی
  • 2. جمع‌آوری و ذخیره‌سازی داده‌های نجومی
  • 3. فرمت‌های استاندارد داده‌های نجومی
  • 4. ابزارهای رایج در تحلیل داده‌های نجومی
  • 5. مبانی آمار برای نجوم
  • 6. خطاها و عدم قطعیت در اندازه‌گیری‌های نجومی
  • 7. تصویربرداری نجومی: اصول و تکنیک‌ها
  • 8. پردازش تصاویر نجومی
  • 9. کالیبراسیون تصاویر نجومی
  • 10. روش‌های کاهش نویز در تصاویر نجومی
  • 11. شناسایی اجرام آسمانی در تصاویر
  • 12. فهرست‌های ستاره‌ای و کهکشانی
  • 13. مختصات آسمانی: سیستم‌های مختصات و تبدیل‌ها
  • 14. زمان‌بندی مشاهدات نجومی
  • 15. طیف‌سنجی: اصول و کاربردها
  • 16. تحلیل طیف‌های ستاره‌ای
  • 17. تعیین دما و ترکیب شیمیایی ستاره‌ها
  • 18. قانون هابل و انبساط جهان
  • 19. اندازه‌گیری فاصله در نجوم
  • 20. ستاره‌شناسی فوتومتری
  • 21. ستاره‌شناسی رنگ‌سنجی
  • 22. مطالعه متغیرها و ستاره‌های انفجاری
  • 23. مقدمه‌ای بر اخترفیزیک کهکشانی
  • 24. ساختار و تکامل کهکشان‌ها
  • 25. اخترفیزیک سوراخ‌های سیاه
  • 26. اخترفیزیک سیارات فراخورشیدی
  • 27. مقدمه‌ای بر کیهان‌شناسی
  • 28. تشعشع پس‌زمینه کیهانی
  • 29. مقدمه‌ای بر رادیو نجوم
  • 30. تلسکوپ‌های رادیویی و روش‌های رصد
  • 31. مقدمه‌ای بر نجوم مادون قرمز
  • 32. تلسکوپ‌های مادون قرمز و کاربردها
  • 33. مقدمه‌ای بر نجوم اشعه ایکس و گاما
  • 34. تلسکوپ‌های اشعه ایکس و گاما و کاربردها
  • 35. داده‌کاوی در نجوم
  • 36. یادگیری ماشین در تحلیل داده‌های نجومی
  • 37. شبکه‌های عصبی در نجوم
  • 38. تصویرسازی داده‌های نجومی
  • 39. تجسم داده‌های چندبعدی
  • 40. مبانی برنامه‌نویسی برای نجوم (Python)
  • 41. کتابخانه‌های نجومی در Python (Astropy)
  • 42. تحلیل سری‌های زمانی نجومی
  • 43. شناسایی الگوها در داده‌های نجومی
  • 44. مدل‌سازی پدیده‌های نجومی
  • 45. شبیه‌سازی‌های نجومی
  • 46. مقدمه‌ای بر داده‌های نجومی بزرگ (Big Data)
  • 47. چالش‌های پردازش داده‌های نجومی بزرگ
  • 48. ذخیره‌سازی و مدیریت داده‌های نجومی بزرگ
  • 49. مقدمه‌ای بر پایگاه‌های داده نجومی
  • 50. جستجو در پایگاه‌های داده نجومی
  • 51. آمار بیزی در نجوم
  • 52. روش‌های مونت‌کارلو در نجوم
  • 53. تحلیل خوشه‌ای در داده‌های نجومی
  • 54. تحلیل مولفه‌های اصلی در داده‌های نجومی
  • 55. مقدمه‌ای بر نجوم محاسباتی
  • 56. روش‌های عددی در نجوم
  • 57. حل معادلات دیفرانسیل در نجوم
  • 58. مقدمه‌ای بر نجوم ذره‌ای
  • 59. تشخیص امواج گرانشی
  • 60. مقدمه‌ای بر نجوم چندپیامی
  • 61. ترکیب داده‌های چند طولی موج
  • 62. تحلیل داده‌های تلسکوپ‌های فضایی
  • 63. مطالعه میدان‌های مغناطیسی در فضا
  • 64. مقدمه‌ای بر نجوم سیاره‌ای
  • 65. مطالعه سیارات منظومه شمسی
  • 66. مقدمه‌ای بر نجوم خورشیدی
  • 67. مطالعه فعالیت‌های خورشیدی
  • 68. مقدمه‌ای بر نجوم سامانه‌های ستاره‌ای
  • 69. مطالعه ستاره‌های دوتایی و چندتایی
  • 70. مقدمه‌ای بر نجوم فراکهکشانی
  • 71. مطالعه ساختار بزرگ‌مقیاس جهان
  • 72. مقدمه‌ای بر نجوم کوانتومی
  • 73. مکانیک کوانتومی در نجوم
  • 74. مقدمه‌ای بر اخترفیزیک ذرات
  • 75. پژوهش‌های جاری در تحلیل داده‌های نجومی
تگ‌ها: CNN نجومی پردازش تصویر نجومی تحلیل داده‌های نجومی داده کاوی نجومی داده‌های کیهانی شبکه‌های عصبی کانولوشنال فیزیک نجومی کیهان‌شناسی یادگیری عمیق یادگیری ماشین نجومی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.