A Primer on Machine Learning in Subsurface Geosciences / Bhattacharya, Shuvajit  

Público ISBD Ningún comentario para este registro. Título : A Primer on Machine Learning in Subsurface Geosciences Tipo de documento: documento electrónico Autores: Bhattacharya, Shuvajit, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XVII, 172 p. 130 ilustraciones, 118 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-71768-1 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Cogeneración de energía eléctrica y calor.  Combustibles fósiles  Ingeniería Geológica  Inteligencia Computacional  Geología  Geografía Física  Combustible fósil  Geoingeniería  Ciencias del sistema terrestre Clasificación: 621.312.132 Resumen: Este libro ofrece a los lectores una revisión y un debate oportunos sobre el éxito, las promesas y los peligros del aprendizaje automático en las geociencias. Explora los fundamentos de la ciencia de datos y el aprendizaje automático, y cómo sus avances han alterado los flujos de trabajo tradicionales utilizados en la industria y el mundo académico, incluidos la geología, la geofísica, la petrofísica, la geomecánica y la geoquímica. Luego presenta las aplicaciones del mundo real y explica que, si bien esta disrupción ha afectado a los ejecutivos de alto nivel, a los geocientíficos y a los operadores de campo de la industria y el mundo académico, el aprendizaje automático beneficiará en última instancia a estos usuarios. El libro está escrito por un practicante del aprendizaje automático y la estadística, teniendo en cuenta a los geocientíficos. Destaca la necesidad de ir más allá de los conceptos cubiertos en los cursos STAT 101 y adoptar nuevas herramientas computacionales para resolver problemas complejos en geociencias. También ofrece a profesionales, investigadores y académicos información sobre cómo identificar, desarrollar, implementar y recomendar modelos de aprendizaje automático adecuados para resolver problemas del mundo real en geociencias subterráneas. . Nota de contenido: Introduction -- Brief Review of Statistical Measures -- Basic Steps in Machine Learning and Deep Learning Models -- Brief Review of Popular Machine Learning and Deep Learning Algorithms -- Applications of ML/DL in Geophysics and Petrophysics Domain -- Applications of ML/DL in Geology Domain -- Multi-scale Data Integration and Analytics -- The Road Ahead. Tipo de medio : Computadora Summary : This book provides readers with a timely review and discussion of the success, promise, and perils of machine learning in geosciences. It explores the fundamentals of data science and machine learning, and how their advances have disrupted the traditional workflows used in the industry and academia, including geology, geophysics, petrophysics, geomechanics, and geochemistry. It then presents the real-world applications and explains that, while this disruption has affected the top-level executives, geoscientists as well as field operators in the industry and academia, machine learning will ultimately benefit these users. The book is written by a practitioner of machine learning and statistics, keeping geoscientists in mind. It highlights the need to go beyond concepts covered in STAT 101 courses and embrace new computational tools to solve complex problems in geosciences. It also offers practitioners, researchers, and academics insights into how to identify, develop, deploy, and recommend fit-for-purpose machine learning models to solve real-world problems in subsurface geosciences. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] A Primer on Machine Learning in Subsurface Geosciences [documento electrónico] / Bhattacharya, Shuvajit,  . -  1 ed.  . - [s.l.] : Springer, 2021 . - XVII, 172 p. 130 ilustraciones, 118 ilustraciones en color. ISBN : 978-3-030-71768-1 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Cogeneración de energía eléctrica y calor.  Combustibles fósiles  Ingeniería Geológica  Inteligencia Computacional  Geología  Geografía Física  Combustible fósil  Geoingeniería  Ciencias del sistema terrestre Clasificación: 621.312.132 Resumen: Este libro ofrece a los lectores una revisión y un debate oportunos sobre el éxito, las promesas y los peligros del aprendizaje automático en las geociencias. Explora los fundamentos de la ciencia de datos y el aprendizaje automático, y cómo sus avances han alterado los flujos de trabajo tradicionales utilizados en la industria y el mundo académico, incluidos la geología, la geofísica, la petrofísica, la geomecánica y la geoquímica. Luego presenta las aplicaciones del mundo real y explica que, si bien esta disrupción ha afectado a los ejecutivos de alto nivel, a los geocientíficos y a los operadores de campo de la industria y el mundo académico, el aprendizaje automático beneficiará en última instancia a estos usuarios. El libro está escrito por un practicante del aprendizaje automático y la estadística, teniendo en cuenta a los geocientíficos. Destaca la necesidad de ir más allá de los conceptos cubiertos en los cursos STAT 101 y adoptar nuevas herramientas computacionales para resolver problemas complejos en geociencias. También ofrece a profesionales, investigadores y académicos información sobre cómo identificar, desarrollar, implementar y recomendar modelos de aprendizaje automático adecuados para resolver problemas del mundo real en geociencias subterráneas. . Nota de contenido: Introduction -- Brief Review of Statistical Measures -- Basic Steps in Machine Learning and Deep Learning Models -- Brief Review of Popular Machine Learning and Deep Learning Algorithms -- Applications of ML/DL in Geophysics and Petrophysics Domain -- Applications of ML/DL in Geology Domain -- Multi-scale Data Integration and Analytics -- The Road Ahead. Tipo de medio : Computadora Summary : This book provides readers with a timely review and discussion of the success, promise, and perils of machine learning in geosciences. It explores the fundamentals of data science and machine learning, and how their advances have disrupted the traditional workflows used in the industry and academia, including geology, geophysics, petrophysics, geomechanics, and geochemistry. It then presents the real-world applications and explains that, while this disruption has affected the top-level executives, geoscientists as well as field operators in the industry and academia, machine learning will ultimately benefit these users. The book is written by a practitioner of machine learning and statistics, keeping geoscientists in mind. It highlights the need to go beyond concepts covered in STAT 101 courses and embrace new computational tools to solve complex problems in geosciences. It also offers practitioners, researchers, and academics insights into how to identify, develop, deploy, and recommend fit-for-purpose machine learning models to solve real-world problems in subsurface geosciences. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200