Il progetto ha lo scopo di esplorare e confrontare diverse soluzioni di machine learning applicate alla classificazione di dati tabulari. In particolare, l'analisi si concentra sulla capacità dei modelli di distinguere tre classi di oggetti astronomici: Galassie, Quasar e Stelle, utilizzando i dati del catalogo SDSS (Sloan Digital Sky Survey).
- Addestrare e valutare le prestazioni predittive dei modelli.
- Stimare i costi per l’addestramento dei modelli sul servizio cloud computing Azure Machine Learning.
L'addestramento iniziale viene eseguito su un computer personale con specifiche hardware riportate alla fine.
-
SQL per l'estrazione dei dati del database SDSS.
-
Python JupyterLab, strumento principale utilizzato per la manipolazione, esplorazione dei dati e per l'addestramento e la valutazione dei modelli.
-
Power BI per la visualizzazione interattiva dei risultati e la previsione costi di Azure ML.
Per svolgere questo task sono stati scelti due modelli di machine learning, Random Forest e XGBoost, e due modelli di deep learning, Multilayer Perceptron e Tabular Transformer. Ognuno di essi è stato valutato in base al numero di oggetti correttamente identificati per ciascuna classe e alle metriche di classificazione F1 Score e Balanced Accuracy.
- CPU: Intel Core i7-12700K
- GPU: NVIDIA RTX 3060 12GB GDDR6
- RAM: 32GB DDR5
Questo progetto utilizza dati provenienti dallo Sloan Digital Sky Survey (SDSS), release DR17.
Per maggiori informazioni sulle politiche di utilizzo dei dati, visitare il sito ufficiale: https://www.sdss.org/collaboration/citing-sdss/
Abdurro'uf et al. (2022), The 17th Data Release of the Sloan Digital Sky Surveys: Complete Release of MaNGA, MaStar, and APOGEE-2 Data, The Astrophysical Journal Supplement Series, 259(2), 35.
DOI: 10.3847/1538-4365/ac4414
Link al dataset ~ 700MB