অ্যাস্ট্রইনফরমেটিক্স

From LTRC
হাইপেরিয়ন প্রোটো-সুপারক্লাস্টার, যা আর্কাইভ ডেটা পরিমাপ এবং পরীক্ষার মাধ্যমে উন্মোচিত হয়েছে[1]

অ্যাস্ট্রইনফরমেটিক্স (Astroinformatics) হলো একটি আন্তঃবিভাগীয় অধ্যয়নের ক্ষেত্র, যা জ্যোতির্বিজ্ঞান, ডেটা সায়েন্স, মেশিন লার্নিং, ইনফরমেটিক্স এবং তথ্য/যোগাযোগ প্রযুক্তি-র সমন্বয় ঘটায়।[2][3] এই ক্ষেত্রটি অ্যাস্ট্রোস্ট্যাটিস্টিকস (জ্যোতিঃপরিসংখ্যান)-এর সাথে ঘনিষ্ঠভাবে সম্পর্কিত।

ডেটা-চালিত জ্যোতির্বিজ্ঞান (DDA) বলতে টেলিস্কোপ এবং অন্যান্য পর্যবেক্ষণ প্ল্যাটফর্ম দ্বারা উৎপাদিত বিশাল জ্যোতির্বিজ্ঞান সংক্রান্ত ডেটাসেট বিশ্লেষণ করার জন্য ডেটা সায়েন্স এবং মেশিন লার্নিং কৌশলের ব্যবহারকে বোঝায়।

প্রেক্ষাপট

অ্যাস্ট্রইনফরমেটিক্স মূলত ডেটা-ভিত্তিক জ্যোতির্বিজ্ঞানে গবেষণা ও শিক্ষার জন্য কম্পিউটেশনাল সায়েন্স, ডেটা সায়েন্স, মেশিন লার্নিং এবং পরিসংখ্যান-এর সরঞ্জাম, পদ্ধতি এবং প্রয়োগের বিকাশের উপর দৃষ্টি নিবদ্ধ করে।[2] এই ক্ষেত্রে প্রাথমিক প্রচেষ্টার মধ্যে ছিল ডেটা অনুসন্ধান, মেটাডেটা স্ট্যান্ডার্ড উন্নয়ন, ডেটা মডেলিং, জ্যোতির্বিজ্ঞান সংক্রান্ত ডেটা ডিকশনারি উন্নয়ন, ডেটা অ্যাক্সেস, তথ্য পুনরুদ্ধার,[4] ডেটা ইন্টিগ্রেশন এবং ডেটা মাইনিং[5] যা জ্যোতির্বিজ্ঞান সংক্রান্ত ভার্চুয়াল অবজারভেটরি উদ্যোগের অংশ।[6][7][8] এই ক্ষেত্রের আরও উন্নয়ন এবং জ্যোতির্বিজ্ঞান সম্প্রদায়ের সমর্থন ২০১০ সালের অ্যাস্ট্রোনমি অ্যান্ড অ্যাস্ট্রোফিজিক্স ডেক্যাডাল সার্ভে-এর জন্য অ্যাস্ট্রইনফরমেটিক্সের "পেশার অবস্থা" শীর্ষক পজিশন পেপারে ন্যাশনাল রিসার্চ কাউন্সিল (মার্কিন যুক্তরাষ্ট্র)-এর কাছে উপস্থাপন করা হয়েছিল।[9] সেই পজিশন পেপারটি পরবর্তীতে ইনফরমেটিক্স জার্নাল পেপার অ্যাস্ট্রইনফরমেটিক্স: ডেটা-ওরিয়েন্টেড অ্যাস্ট্রোনমি রিসার্চ অ্যান্ড এডুকেশন-এ এই ক্ষেত্রের আরও বিস্তারিত ব্যাখ্যার ভিত্তি প্রদান করে।[2]

গবেষণার একটি স্বতন্ত্র ক্ষেত্র হিসেবে অ্যাস্ট্রইনফরমেটিক্স জিওইনফরমেটিক্স, কেমিনফরমেটিক্স, বায়োইনফরমেটিক্স এবং মাইক্রোসফট রিসার্চ-এর জিম গ্রে (কম্পিউটার বিজ্ঞানী)-এর ই-সায়েন্স কাজের দ্বারা অনুপ্রাণিত হয়েছিল,[10] যার উত্তরাধিকার জিম গ্রে ই-সায়েন্স অ্যাওয়ার্ডের মাধ্যমে স্মরণ করা হয় এবং অব্যাহত রাখা হয়।[11]

যদিও অ্যাস্ট্রইনফরমেটিক্সের প্রাথমিক লক্ষ্য হলো বিশ্বব্যাপী ডিজিটাল জ্যোতির্বিজ্ঞান ডেটাবেস, ইমেজ আর্কাইভ এবং গবেষণার সরঞ্জামের বিশাল সংগ্রহ, এই ক্ষেত্রটি লিগ্যাসি ডেটাসেটের গুরুত্বকেও স্বীকার করে—ঐতিহাসিক জ্যোতির্বিজ্ঞান পর্যবেক্ষণ সংরক্ষণ এবং বিশ্লেষণের জন্য আধুনিক প্রযুক্তি ব্যবহার করে। কিছু অ্যাস্ট্রইনফরমেটিক্স অনুশীলনকারী ঐতিহাসিক এবং সাম্প্রতিক জ্যোতির্বিজ্ঞান পর্যবেক্ষণ এবং চিত্রগুলিকে একটি বিশাল ডেটাবেস-এ ডিজিটাইজ করতে সাহায্য করেন, যাতে ওয়েব-ভিত্তিক ইন্টারফেসের মাধ্যমে দক্ষ পুনরুদ্ধার সম্ভব হয়।[3][12] আরেকটি লক্ষ্য হলো জ্যোতির্বিজ্ঞানীদের জন্য নতুন পদ্ধতি এবং সফটওয়্যার তৈরিতে সাহায্য করা, পাশাপাশি জ্যোতির্বিজ্ঞানের ক্ষেত্রে দ্রুত বর্ধনশীল ডেটার প্রক্রিয়া এবং বিশ্লেষণ সহজতর করা।[13]

অ্যাস্ট্রইনফরমেটিক্সকে জ্যোতির্বিজ্ঞান গবেষণার "চতুর্থ প্যারাডাইম" হিসেবে বর্ণনা করা হয়।[14] অ্যাস্ট্রইনফরমেটিক্সের সাথে জড়িত অনেক গবেষণার ক্ষেত্র রয়েছে, যেমন ডেটা মাইনিং, মেশিন লার্নিং, পরিসংখ্যান, ভিজ্যুয়ালাইজেশন, বৈজ্ঞানিক ডেটা ব্যবস্থাপনা এবং সেমান্টিক সায়েন্স।[7] ডেটা মাইনিং এবং মেশিন লার্নিং একটি বৈজ্ঞানিক গবেষণা শাখা হিসেবে অ্যাস্ট্রইনফরমেটিক্সে গুরুত্বপূর্ণ ভূমিকা পালন করে, কারণ তাদের মূল লক্ষ্য হলো "ডেটা থেকে জ্ঞান আবিষ্কার" (KDD) এবং "ডেটা থেকে শেখা"।[15][16]

জ্যোতির্বিজ্ঞান সংক্রান্ত আকাশ জরিপ থেকে সংগৃহীত ডেটার পরিমাণ গত এক দশকে গিগাবাইট থেকে টেরাবাইটে উন্নীত হয়েছে এবং পরবর্তী দশকে লার্জ সিনপটিক সার্ভে টেলিস্কোপ-এর সাথে শত শত পেটাবাইট এবং স্কয়ার কিলোমিটার অ্যারে-এর সাথে এক্সাবাইটে পৌঁছাবে বলে ধারণা করা হচ্ছে।[17] এই নতুন ডেটার আধিক্য কার্যকর জ্যোতির্বিজ্ঞান গবেষণাকে সক্ষম করার পাশাপাশি চ্যালেঞ্জও তৈরি করছে। তাই, নতুন পদ্ধতির প্রয়োজন। আংশিকভাবে এই কারণে, ডেটা-চালিত বিজ্ঞান একটি স্বীকৃত একাডেমিক শাখা হয়ে উঠছে। ফলস্বরূপ, জ্যোতির্বিজ্ঞান (এবং অন্যান্য বৈজ্ঞানিক শাখা) তথ্য-নিবিড় এবং ডেটা-নিবিড় উপ-শাখা তৈরি করছে, যা এখন স্বতন্ত্র গবেষণা শাখা এবং পূর্ণাঙ্গ একাডেমিক প্রোগ্রামে পরিণত হচ্ছে। যদিও অনেক শিক্ষা প্রতিষ্ঠানে অ্যাস্ট্রইনফরমেটিক্স প্রোগ্রাম নেই, তবে অদূর ভবিষ্যতে এই ধরনের প্রোগ্রাম তৈরি হওয়ার সম্ভাবনা রয়েছে।

ইনফরমেটিক্স-কে সম্প্রতি "গবেষণা এবং জ্ঞান তৈরির জন্য ডিজিটাল ডেটা, তথ্য এবং সংশ্লিষ্ট পরিষেবার ব্যবহার" হিসেবে সংজ্ঞায়িত করা হয়েছে। তবে সাধারণ বা প্রচলিত সংজ্ঞা হলো "ইনফরমেটিক্স হলো আবিষ্কার এবং সিদ্ধান্ত গ্রহণের সহায়তার জন্য একাধিক উৎস থেকে ডেটা সংগঠিত, অ্যাক্সেস, সংহত এবং মাইনিং করার শৃঙ্খলা।" তাই, অ্যাস্ট্রইনফরমেটিক্স শৃঙ্খলার মধ্যে ডেটা মডেলিং, ডেটা সংগঠন ইত্যাদির মতো অনেক স্বাভাবিকভাবে সম্পর্কিত বিশেষত্ব অন্তর্ভুক্ত রয়েছে। এটি ডেটা ইন্টিগ্রেশন এবং তথ্য ভিজ্যুয়ালাইজেশনের জন্য রূপান্তর এবং স্বাভাবিকীকরণ পদ্ধতি, সেইসাথে জ্ঞান নিষ্কাশন, ইনডেক্সিং কৌশল, তথ্য পুনরুদ্ধার এবং ডেটা মাইনিং পদ্ধতিও অন্তর্ভুক্ত করতে পারে। শ্রেণিবিন্যাস স্কিম (যেমন, ট্যাক্সোনমি, অনটোলজি, ফকসোনমি, এবং/অথবা সহযোগিতামূলক ট্যাগিং[18]) এবং অ্যাস্ট্রোস্ট্যাটিস্টিকস-এর সাথে ব্যাপকভাবে জড়িত থাকবে। নাগরিক বিজ্ঞান প্রকল্পগুলিও (যেমন গ্যালাক্সি জু) বিশাল জ্যোতির্বিজ্ঞান ডেটাসেটের মধ্যে অত্যন্ত মূল্যবান নতুন আবিষ্কার, বৈশিষ্ট্য মেটা-ট্যাগিং এবং বস্তু চরিত্রায়নে অবদান রাখে। এই সমস্ত বিশেষত্ব বিভিন্ন বিশাল ডেটা সংগ্রহ, সহযোগিতামূলক গবেষণা এবং ডেটা পুনঃব্যবহারের মাধ্যমে বৈজ্ঞানিক আবিষ্কারকে সক্ষম করে, যা গবেষণা এবং শিক্ষার উভয় পরিবেশেই কার্যকর।

২০০৭ সালে, গ্যালাক্সি জু প্রকল্প[19] বিপুল সংখ্যক গ্যালাক্সি-র রূপতাত্ত্বিক শ্রেণিবিন্যাসের[20][21] জন্য চালু করা হয়েছিল। এই প্রকল্পে, গত ৭ বছরের স্লোন ডিজিটাল স্কাই সার্ভে (SDSS)[22] থেকে নেওয়া ৯,০০,০০০টি চিত্র শ্রেণিবিন্যাসের জন্য বিবেচনা করা হয়েছিল। কাজটি ছিল প্রতিটি গ্যালাক্সির ছবি অধ্যয়ন করা, সেটিকে উপবৃত্তাকার বা সর্পিল হিসেবে শ্রেণিবদ্ধ করা এবং এটি ঘুরছে কি না তা নির্ধারণ করা। অক্সফোর্ড বিশ্ববিদ্যালয়-এর কেভিন শউইনস্কি-র নেতৃত্বে জ্যোতির্পদার্থবিজ্ঞানীদের দলটি এই প্রকল্পের দায়িত্বে ছিলেন এবং কেভিন ও তার সহকর্মী ক্রিস লিনটট বুঝতে পেরেছিলেন যে এই ধরনের দলের কাজ শেষ করতে ৩-৫ বছর সময় লাগবে।[23] সেখানে তারা ছবিগুলো বিশ্লেষণ এবং শ্রেণিবদ্ধ করার জন্য মেশিন লার্নিং এবং ডেটা সায়েন্স কৌশল ব্যবহারের ধারণা নিয়ে আসেন।[24]

২০১২ সালে, আমেরিকান অ্যাস্ট্রোনমিক্যাল সোসাইটি-র কাউন্সিলে দুটি পজিশন পেপার[25][26] উপস্থাপন করা হয়েছিল, যা মার্কিন যুক্তরাষ্ট্র এবং অন্যত্র জ্যোতির্বিজ্ঞান পেশার জন্য অ্যাস্ট্রইনফরমেটিক্স এবং অ্যাস্ট্রোস্ট্যাটিস্টিকসে আনুষ্ঠানিক ওয়ার্কিং গ্রুপ প্রতিষ্ঠার দিকে পরিচালিত করে।[27]

অ্যাস্ট্রইনফরমেটিক্স শিক্ষা এবং গবেষণার একীকরণের জন্য একটি স্বাভাবিক প্রেক্ষাপট প্রদান করে।[28] গবেষণার অভিজ্ঞতা এখন ডেটার সহজ পুনঃব্যবহারের মাধ্যমে ডেটা লিটারেসি প্রতিষ্ঠা এবং বৃদ্ধির জন্য শ্রেণীকক্ষে প্রয়োগ করা যেতে পারে।[29] এর আরও অনেক ব্যবহার রয়েছে, যেমন নতুন প্রকল্পের জন্য আর্কাইভাল ডেটার পুনঃব্যবহার, সাহিত্য-ডেটা লিঙ্ক, তথ্যের বুদ্ধিমান পুনরুদ্ধার এবং আরও অনেক কিছু।[30]

পদ্ধতি

আকাশ জরিপ থেকে পুনরুদ্ধার করা ডেটা প্রথমে ডেটা প্রিপ্রসেসিং-এর জন্য আনা হয়। এতে, রিডানডেন্সি অপসারণ এবং ফিল্টার করা হয়। এরপর, এই ফিল্টার করা ডেটাসেটে ফিচার এক্সট্রাকশন করা হয়, যা পরবর্তীতে প্রক্রিয়ার জন্য নেওয়া হয়।[31] কিছু বিখ্যাত আকাশ জরিপ নিচে তালিকাভুক্ত করা হলো:

উপরোক্ত আকাশ জরিপ থেকে ডেটার আকার ৩ TB থেকে প্রায় ৪.৬ EB পর্যন্ত।[31] এছাড়া, ডেটা ব্যবস্থাপনা এবং ম্যানিপুলেশনের সাথে জড়িত ডেটা মাইনিং কাজগুলোর মধ্যে শ্রেণিবিন্যাস, রিগ্রেশন, ক্লাস্টারিং, অ্যানোমালি ডিটেকশন, এবং টাইম-সিরিজ বিশ্লেষণ-এর মতো পদ্ধতি অন্তর্ভুক্ত। এই পদ্ধতিগুলোর প্রতিটি অর্জনের জন্য বিভিন্ন দৃষ্টিভঙ্গি এবং প্রয়োগ জড়িত।

শ্রেণিবিন্যাস

শ্রেণিবিন্যাস[40] জ্যোতির্বিজ্ঞান সংক্রান্ত ডেটার নির্দিষ্ট শনাক্তকরণ এবং শ্রেণিবিন্যাসের জন্য ব্যবহৃত হয়, যেমন স্পেকট্রাল শ্রেণিবিন্যাস, ফটোমেট্রিক শ্রেণিবিন্যাস, রূপতাত্ত্বিক শ্রেণিবিন্যাস এবং সৌর কার্যকলাপ-এর শ্রেণিবিন্যাস। শ্রেণিবিন্যাস কৌশলের দৃষ্টিভঙ্গিগুলো নিচে তালিকাভুক্ত করা হলো:

রিগ্রেশন

রিগ্রেশন[41] পরিসংখ্যানগত প্রবণতা এবং পরিসংখ্যানগত মডেলিংয়ের মাধ্যমে পুনরুদ্ধার করা ডেটার উপর ভিত্তি করে পূর্বাভাস দেওয়ার জন্য ব্যবহৃত হয়। এই কৌশলের বিভিন্ন ব্যবহার ফটোমেট্রিক রেডশিফট এবং নক্ষত্রের ভৌত পরিমাপের জন্য ব্যবহৃত হয়।[42] দৃষ্টিভঙ্গিগুলো নিচে তালিকাভুক্ত করা হলো:

ক্লাস্টারিং

ক্লাস্টারিং[43] হলো একটি সাদৃশ্য পরিমাপ মেট্রিকের উপর ভিত্তি করে বস্তুকে শ্রেণিবদ্ধ করা। এটি জ্যোতির্বিজ্ঞানে শ্রেণিবিন্যাসের পাশাপাশি বিশেষ/বিরল বস্তু শনাক্তকরণ-এর জন্য ব্যবহৃত হয়। দৃষ্টিভঙ্গিগুলো নিচে তালিকাভুক্ত করা হলো:

অ্যানোমালি ডিটেকশন

অ্যানোমালি ডিটেকশন[45] ডেটাসেটে অনিয়ম শনাক্ত করার জন্য ব্যবহৃত হয়। তবে, এই কৌশলটি এখানে বিরল/বিশেষ বস্তু শনাক্ত করতে ব্যবহৃত হয়। নিম্নলিখিত দৃষ্টিভঙ্গিগুলো ব্যবহৃত হয়:

টাইম-সিরিজ বিশ্লেষণ

টাইম-সিরিজ বিশ্লেষণ[46] সময়ের সাথে প্রবণতা বিশ্লেষণ এবং ফলাফলের পূর্বাভাস দিতে সাহায্য করে। এটি প্রবণতা পূর্বাভাস এবং নতুন আবিষ্কার (অজানা ডেটা শনাক্তকরণ)-এর জন্য ব্যবহৃত হয়। এখানে ব্যবহৃত দৃষ্টিভঙ্গিগুলো হলো:

সম্মেলন

বছর স্থান লিঙ্ক
২০২১ ক্যালটেক [1]
২০২০ হার্ভার্ড [2]
২০১৯ ক্যালটেক [3]
২০১৮ হাইডেলবার্গ, জার্মানি [4]
২০১৭ কেপ টাউন, দক্ষিণ আফ্রিকা [5]
২০১৬ সোরেন্টো, ইতালি [6]
২০১৫ ডুব্রোভনিক, ডালমাশিয়া [7]
২০১৪ চিলি বিশ্ববিদ্যালয় [8]
২০১৩ অস্ট্রেলিয়া টেলিস্কোপ ন্যাশনাল ফ্যাসিলিটি, CSIRO [9]
২০১২ মাইক্রোসফট রিসার্চ [10] সংরক্ষিত সংস্করণ
২০১১ সোরেন্টো, ইতালি [11]
২০১০ ক্যালটেক [12] সংরক্ষিত সংস্করণ

অতিরিক্ত সম্মেলন এবং সম্মেলনের তালিকা:

আইটেম লিঙ্ক
মেশিন লার্নিং ইন অ্যাস্ট্রোনমি: পসিবিলিটিস অ্যান্ড পিটফলস (২০২২) [13]
দ্য অ্যাস্ট্রোস্ট্যাটিস্টিকস অ্যান্ড অ্যাস্ট্রইনফরমেটিক্স পোর্টাল (ASAIP) বিগ লিস্ট অফ কনফারেন্সেস [14]
অ্যাস্ট্রোনমিক্যাল ডেটা অ্যানালাইসিস সফটওয়্যার অ্যান্ড সিস্টেমস (ADASS) অ্যানুয়াল কনফারেন্সেস [15]

আরও দেখুন

তথ্যসূত্র

  1. ↑ Largest Galaxy Proto-Supercluster Found - Astronomers using ESO's Very Large Telescope uncover a cosmic titan lurking in the early Universe. www.eso.org.
  2. ↑ 2.0 2.1 2.2 (12 May 2010). "Astroinformatics: data-oriented astronomy research and education". Earth Science Informatics. 3 (1–2) 5–17. doi:10.1007/s12145-010-0055-2.
  3. ↑ 3.0 3.1 Astroinformatics and digitization of astronomical heritage সংরক্ষিত সংস্করণ, Nikolay Kirov. The fifth SEEDI International Conference Digitization of cultural and scientific heritage, May 19–20, 2010, Sarajevo. Retrieved 1 November 2012.
  4. ↑ (2000). "Science User Scenarios for a Virtual Observatory Design Reference Mission: Science Requirements for Data Mining".
  5. ↑ (2008). "Next generation of data mining". 91–114. CRC Press. ISBN 9781420085860.
  6. ↑ (2003). "Data Mining and Knowledge Discovery: Theory, Tools, and Technology V". 5098 211–218. doi:10.1117/12.487536.
  7. ↑ 7.0 7.1 (2013). "Planets, Stars and Stellar Systems". 403–443. ISBN 978-94-007-5617-5. doi:10.1007/978-94-007-5618-2_9.
  8. ↑ (21 December 2011). "Astroinformatics of galaxies and quasars: a new general method for photometric redshifts estimation". Monthly Notices of the Royal Astronomical Society. 418 (4) 2165–2195. doi:10.1111/j.1365-2966.2011.19416.x.
  9. ↑ (2009). "Astroinformatics: A 21st Century Approach to Astronomy". Astro2010: The Astronomy and Astrophysics Decadal Survey. 2010 P6.
  10. ↑ Online Science. Talks by Jim Gray.
  11. ↑ Jim Gray eScience Award. Microsoft Research.
  12. ↑ Astroinformatics in Canada, Nicholas M. Ball, David Schade. Retrieved 1 November 2012.
  13. ↑ 'Astroinformatics' helps Astronomers explore the sky. Phys.org.
  14. ↑ (October 2009). The Fourth Paradigm: Data-Intensive Scientific Discovery. Microsoft Research.
  15. ↑ (2010). "Data Mining and Machine Learning in Astronomy". International Journal of Modern Physics D. 19 (7) 1049–1106. doi:10.1142/S0218271810017160.
  16. ↑ (2008). "AIP Conference Proceedings". 347–351. doi:10.1063/1.3059074.
  17. ↑ (2008). "AIP Conference Proceedings". AIP Conf. Proc.. 1082 359–365. doi:10.1063/1.3059076.
  18. ↑ Collaborative Annotation for Scientific Data Discovery and Reuse. Bulletin of the ASIS&T.
  19. ↑ Zooniverse. www.zooniverse.org.
  20. ↑ (2021-07-08). "Morphological classification of galaxies with deep learning: comparing 3-way and 4-way CNNs". Monthly Notices of the Royal Astronomical Society. 506 (1) 659–676. doi:10.1093/mnras/stab1552.
  21. ↑ (2020-12-01). Morphological classification of galaxies using Conv-nets. Earth Science Informatics. 13 (4) 1427–1436. doi:10.1007/s12145-020-00526-w.
  22. ↑ 22.0 22.1 Sloan Digital Sky Survey-V: Pioneering Panoptic Spectroscopy - SDSS-V.
  23. ↑ Pati, Satavisa. (2021-06-18). How Data Science is Used in Astronomy?. Analytics Insight.
  24. ↑ Baron, Dalya. (2019-04-15). "Machine Learning in Astronomy: a practical overview".
  25. ↑ Astroinformatics in a Nutshell. asaip.psu.edu.
  26. ↑ Astrostatistics in a Nutshell. asaip.psu.edu.
  27. ↑ (2013). "New Organizations to Support Astroinformatics and Astrostatistics". Astronomical Data Analysis Software and Systems XXII. 475 15.
  28. ↑ (2009). "The Revolution in Astronomy Education: Data Science for the Masses". Astro2010: The Astronomy and Astrophysics Decadal Survey. 2010 P7.
  29. ↑ Using Data in the Classroom. Science Education Resource Center at Carleton College.
  30. ↑ Astroinformatics: Data-Oriented Astronomy.
  31. ↑ 31.0 31.1 (2015-05-22). "Astronomy in the Big Data Era". Data Science Journal. 14 11. doi:10.5334/dsj-2015-011.
  32. ↑ The Palomar Digital Sky Survey (DPOSS). sites.astro.caltech.edu.
  33. ↑ IRSA - Two Micron All Sky Survey (2MASS). irsa.ipac.caltech.edu.
  34. ↑ (2023-06-26). GBT. Green Bank Observatory.
  35. ↑ GALEX - Galaxy Evolution Explorer. www.galex.caltech.edu.
  36. ↑ SkyMapper Southern Sky Survey. skymapper.anu.edu.au.
  37. ↑ Pan-STARRS1 data archive home page - PS1 Public Archive - STScI Outerspace. outerspace.stsci.edu.
  38. ↑ Telescope, Large Synoptic Survey. Rubin Observatory. Rubin Observatory.
  39. ↑ Explore | SKAO. www.skao.int.
  40. ↑ (2020-10-02). "2020 Intermountain Engineering, Technology and Computing (IETC)". 1–6. IEEE. ISBN 978-1-7281-4291-3. doi:10.1109/IETC47856.2020.9249211.
  41. ↑ (2014). A Concise Guide to Market Research: The Process, Data, and Methods Using IBM SPSS Statistics. 193–233. Springer. ISBN 978-3-642-53965-7. doi:10.1007/978-3-642-53965-7_7.
  42. ↑ Bulletin de la Société Royale des Sciences de Liège | PoPuPS. Bulletin de la Société Royale des Sciences de Liège.
  43. ↑ (September 2017). "2017 6th International Conference on Reliability, Infocom Technologies and Optimization (Trends and Future Directions) (ICRITO)". 371–376. IEEE. ISBN 978-1-5090-3012-5. doi:10.1109/ICRITO.2017.8342454.
  44. ↑ (May 2003). "P-autoclass: scalable parallel clustering for mining large data sets". IEEE Transactions on Knowledge and Data Engineering. 15 (3) 629–641. doi:10.1109/TKDE.2003.1198395.
  45. ↑ (2020-07-02). "A comprehensive survey of anomaly detection techniques for high dimensional big data". Journal of Big Data. 7 (1) 42. doi:10.1186/s40537-020-00320-x.
  46. ↑ (2003-04-15). Handbook of Psychology. Wiley. ISBN 978-0-471-17669-5. doi:10.1002/0471264385.wei0223.

বহিঃসংযোগ

উৎস: ইংরেজি উইকিপিডিয়ার “Astroinformatics” নিবন্ধের অনুবাদ। মূল নিবন্ধ: https://en.wikipedia.org/wiki/Astroinformatics এই অনুবাদটি স্বয়ংক্রিয়ভাবে প্রস্তুত করা হয়েছে।

Retrieved from "https://ltrc.sciwiki.in/index.php?title=অ্যাস্ট্রইনফরমেটিক্স&oldid=8095"