تعلم الآلة للفيزياء وعلم الفلك - تأليف Viviana Acquaviva (غلاف ورقي)

عن الكتاب "مقدمة عملية حول تعلم الآلة وتطبيقاته في العلوم الفيزيائية. ومع استمرار النمو الهائل في حجم البيانات وتعقيدها عبر مختلف العلوم الفيزيائية، يساهم تعلم الآلة في مساعدة العلماء على فحص هذه المعلومات وتحليلها، مما يدفع عجلة تقدم مذهلة في مجالات الفيزياء الكمية، وعلم الفلك، وعلم الكونيات، وما وراءها." يغطي هذا الكتاب التعليمي الثاقب أساسيات بناء طرق تعلم الآلة وتشخيصها وتحسينها ونشرها لحل المشكلات البحثية في الفيزياء وعلم الفلك، مع التركيز على التفكير النقدي والمنهج العلمي. ومن خلال اتباع نهج تعليمي عملي، يعتمد كتاب Machine Learning for Physics and Astronomy على بيانات واقعية متاحة للجمهور، بالإضافة إلى أمثلة مأخوذة مباشرة من آفاق البحث العلمي؛ بدءاً من تحديد مورفولوجيا المجرات من الصور، وصولاً إلى تحديد بصمة جسيمات النموذج القياسي في عمليات المحاكاة في Large Hadron Collider. يُعرّف هذا الكتاب القراء بأفضل الممارسات في حل المشكلات القائمة على البيانات، بدءاً من الاستكشاف الأولي للبيانات وتنظيفها، وصولاً إلى اختيار الطريقة الأمثل لمهمة محددة. ويرافق كل فصل أوراق عمل تفاعلية باستخدام Jupyter Notebook بلغة Python، مما يتيح للطلاب استكشاف المفاهيم الأساسية. كما يتضمن الكتاب مجموعة غنية من أسئلة المراجعة والاختبارات القصيرة. يُعد هذا الكتاب مثالياً لطلاب المرحلة الجامعية المتقدمة وطلاب الدراسات العليا في تخصصات العلوم والتكنولوجيا والهندسة والرياضيات (STEM)، مثل الفيزياء، وعلوم الحاسوب، والهندسة، والرياضيات التطبيقية. كما أنه متاح للمتعلمين ذاتياً ممن لديهم معرفة أساسية بالجبر الخطي وحساب التفاضل والتكامل. شرائح وعروض تقديمية وأسئلة تقييم (متاحة للمحاضرين فقط)

ملخص الكتاب مقدمة عملية حول تعلم الآلة وتطبيقاته في العلوم الفيزيائية. ومع استمرار النمو الهائل في حجم البيانات وتعقيدها عبر مختلف العلوم الفيزيائية، يساهم تعلم الآلة في مساعدة العلماء على فحص هذه المعلومات وتحليلها، مما يدفع عجلة تقدم مذهلة في مجالات الفيزياء الكمية، وعلم الفلك، وعلم الكونيات، وغيرها. يغطي هذا الكتاب التعليمي الثاقب أساسيات بناء طرق تعلم الآلة وتشخيصها وتحسينها ونشرها لحل المشكلات البحثية في الفيزياء وعلم الفلك، مع التركيز على التفكير النقدي والمنهج العلمي. ومن خلال اتباع نهج تعليمي عملي، يعتمد كتاب Machine Learning for Physics and Astronomy على بيانات واقعية متاحة للجمهور، بالإضافة إلى أمثلة مأخوذة مباشرة من آفاق البحث العلمي؛ بدءاً من تحديد مورفولوجيا المجرات من الصور، وصولاً إلى تحديد بصمة جسيمات النموذج القياسي في عمليات المحاكاة في Large Hadron Collider.

يُعرّف هذا الكتاب القراء بأفضل الممارسات في حل المشكلات القائمة على البيانات، بدءاً من الاستكشاف الأولي للبيانات وتنظيفها، وصولاً إلى اختيار الطريقة الأمثل لكل مهمة. يرافق كل فصل أوراق عمل تفاعلية باستخدام Jupyter Notebook بلغة Python، مما يتيح للطلاب استكشاف المفاهيم الأساسية. يتضمن الكتاب مجموعة غنية من أسئلة المراجعة والاختبارات القصيرة. يُعد الكتاب مثالياً لطلاب المرحلة الجامعية المتقدمة وطلاب الدراسات العليا في تخصصات العلوم والتكنولوجيا والهندسة والرياضيات (STEM)، مثل الفيزياء، وعلوم الحاسوب، والهندسة، والرياضيات التطبيقية. كما أنه مناسب للمتعلمين ذاتياً ممن لديهم معرفة أساسية بالجبر الخطي وحساب التفاضل والتكامل. يتضمن الكتاب أيضاً شرائح عرض وأسئلة تقييمية. (متاح للمحاضرين فقط)

آراء المراجعات

الفائز بجائزة Chambliss Astronomical Writing من الجمعية الفلكية الأمريكية

نبذة عن المؤلفة تُعد فيفيانا أكوافيفا أستاذة الفيزياء في New York City College of Technology و Graduate Center التابع لـ City University of New York، وهي حاصلة على زمالة PIVOT لتطبيق أدوات الذكاء الاصطناعي في معالجة مشكلات المناخ. وقد اختارتها مؤسسة InspiringFifty كواحدة من أكثر خمسين امرأة إلهاماً في مجال التكنولوجيا في إيطاليا، وهي مؤسسة تُكرّم النساء في مجالات العلوم والتكنولوجيا والهندسة والرياضيات (STEM) اللواتي يمثلن نماذج يحتذى بها للفتيات حول العالم.