Potraga za egzoplanetima primjenom algoritama u programskom jeziku Python

diplomski rad

• Naslov (engleski): Search for exoplanets using algorithms in programming language Python
• Autor: Matija Pajas
• Mentor: Goranka Bilalbegović (mentor)
• Član povjerenstva: Goranka Bilalbegović (predsjednik povjerenstva)
• Član povjerenstva: Matko Glunčić (član povjerenstva)
• Član povjerenstva: Katarina Jeličić (član povjerenstva)
• Član povjerenstva: Dalibor Paar (član povjerenstva)
• Član povjerenstva: Maja Planinić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Fizički odsjek); Zagreb
• Datum i država obrane: 2021-07-12, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Fizika

Sažetak

Egzoplaneti su planeti koji se nalaze izvan Sunčevog sustava. Oni su fascinantni astronomima i amaterima koji žele pronaći planete s izvanzemaljskim oblicima života. Snimanjem zvijezda pomoću satelitskih teleskopa, kao što su Kepler i TESS, pronašlo se puno egzoplaneta. Ručno analiziranje teleskopskih podataka vrlo je težak i dugotrajan posao. Moguće je smanjiti broj kandidata za ručnu provjeru primjenom strojnog učenja i drugih naprednih računalnih metoda. Koristili smo logističku regresiju i stabla odlučivanja za klasifikaciju zvijezda na one koje imaju i one koje nemaju egzoplanete. Usporedili smo rezultate te dvije metode strojnog učenja. U metodičkom dijelu raspravljamo važnost astronomskih projekata u znanosti za građanstvo i njihovu moguću ulogu u školama. Pored toga predstavljena je nastavna priprema za održavanje sata o Newtonovom zakonu gravitacije.

Sažetak (engleski)

Exoplanets are planets outside the Solar system. They are fascinating for astronomers and amateurs wanting to find planets with signs of extraterrestrial life forms. By capturing starlight using space telescopes, such as Kepler and TESS, many exoplanets have been discovered. Manual analysis of telescope data is a very tedious and long-lasting job. It is possible to reduce data for manual analysis using machine learning and other advanced computational methods. We used logistic regression and decision trees to classify stars by the presence of exoplanets and compared the results of both algorithms. In the methodical section we discuss the importance of astronomy projects in citizen science, as well as their possible role in schools. We also present the preparation material for teaching Newton’s law of universal gravitation.

• Ključne riječi: egzoplaneti; strojno učenje; nadzirano strojno učenje; logistička regresija; stabla odlučivanja; znanost za građanstvo; nastava fizike za srednje škole: Newtonov zakon gravitacije
• Ključne riječi (engleski): exoplanets; machine learning; supervised machine learning; logistic regression; decision trees; citizen science; high school physics teaching: Newton’s law of gravitation
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:256101
• Studijski program: Naziv: Fizika i informatika; smjerovi: nastavnički; Smjer: nastavnički; Vrsta studija: sveučilišni; Stupanj studija: integrirani preddiplomski i diplomski; Akademski / stručni naziv: magistar/magistra edukacije fizike i informatike (mag. educ. phys. et inf.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2021-07-23 11:56:32