Друзья, привет! Это научное направление ЗШ 2027 для тех, кто хочет с помощью современных технологий искать ответы на вопросы современной океанологии. 💻 Анализ данных, методы, приборы: как научиться «читать» океан? Современная океанология - это наука о больших разнородных данных. Спутники, буи, автономные аппараты, метеостанции и научно-исследовательские суда ежедневно собирают терабайты информации о температуре и солености воды, течениях, уровне моря, содержании углекислого газа и состоянии экосистем. Но собрать данные - только половина задачи. Нужно научиться находить в них закономерности, отделять важные сигналы от шума и понимать, что произойдёт с океаном дальше. Именно здесь на помощь приходят машинное обучение и анализ данных. ⁉️ Какие задачи решают исследователи? Машинное обучение позволяет обрабатывать такие объемы информации, которые невозможно анализировать вручную. Алгоритмы помогают восстанавливать пропущенные наблюдения, находить аномалии, классифицировать объекты и события, выявлять скрытые связи между процессами и строить прогнозы. ✔️ От прогноза погоды — к прогнозу океана Одна из важнейших задач на сегодня - прогнозирование. Мы обучаем нейросетевые алгоритмы распознавать сложные пространственные и временные закономерности прогнозировать состояние океана - от краткосрочных изменений до процессов сезонного масштаба. Исследователи работают над системами, которые смогут быстрее и иногда точнее прогнозировать температуру, скорость течений, возникновение экстремальных явлений и отклонение океана от обычного среднего поведения. ✔️ Машинное обучение позволяет по-новому взглянуть на измерения. Глобальные системы измерений базируются на отдельных приборах, автономно дрейфующих в океане или размещенных на морских судах. Сегодня машинное обучение позволяет извлекать характеристики морской среды из самых неожиданных наблюдений - от фотографий морской поверхности до радарного сигнала, отраженного от взволнованного моря. В последнем случае классические спектральные алгоритмы и машинное обучение позволяет оценивать интенсивность волнения, направление распространения волн, их период и спектральную плотность. Это прямой путь к автоматизации наблюдений ветровых волн, что было сложно осуществить до сих пор. ⁉️ Зачем это нужно будущему? В будущем сочетание океанологии, физики, математики, программирования и машинного обучения позволит создавать более точные цифровые модели океана, быстрее обнаруживать опасные изменения и эффективнее принимать решения в судоходстве, адаптации к меняющемуся климату, экологическом мониторинге и других областях. Сегодня анализ данных и машинное обучение - уже неотъемлемая часть современной морской науки, как когда-то совсем недавно ею стали численное моделирование океана, спутниковые наблюдения и спектральный анализ. #ПлавучийУниверситет #мфти #десятилетиенауки #ЗимняяШколаПУ2027