在2017年12月，GoogleBrain团队宣布通过应用Astronet——其为天文数据设计的深度神经网络模型——发现了两颗新行星。这一重大发现展示了机器学习在当今世界中深远的影响。现在，Google Brain已经发布了用于创建该技术的完整代码，并将其提供给所有人使用。该模型基于卷积神经网络（CNN），可以在下面的图像中看到Google模型的概要。
请注意，需要以下软件包来处理数据：
Google Brain从哪里收集数据？当然是NASA的Kepler太空望远镜。多年来，它一直在扫描银河系，收集和分析有关行星和恒星的数据。多年来生成的数据集是数据科学家的梦想——大量的异常值使得数据嘈杂，以及足够的未知元素，让业界最优秀的人士保持猜测。
但归根结底，神经网络需要人类标记的数据来理解、标记和验证行星和恒星。研究团队仅对Kepler观测到的200,000颗恒星中的600颗进行了工作。可以在这里查看Google的官方博客文章，并在这里访问GitHub上的完整代码。
看法是，Google公开代码的逻辑是希望这将加快提高他们卷积神经网络准确性的过程。请注意，由于数据量巨大，下载数据将需要一些时间。这是数据科学家可以处理的最迷人的数据集之一。它确实需要领域知识，但问题的巨大性质以及Google在其GitHub页面上的指导，可能足以让开始。所以，继续深入吧！
订阅AVBytes，定期获取数据科学、机器学习和人工智能的最新更新。
Astronet是一个深度学习模型，由GoogleBrain团队开发，用于处理天文数据。这个模型利用卷积神经网络（CNN）来分析和识别天体，如行星和恒星。通过在GitHub上公开代码，Google Brain希望全球的研究者和开发者能够共同参与到这个项目中来，通过不断的迭代和优化，提高模型的准确性和效率。
深度学习是机器学习的一个子领域，它基于人工神经网络的学习算法。这些算法模仿人脑的处理方式，通过构建多层次的网络结构来学习数据中的复杂模式。在Astronet项目中，深度学习技术被用来从大量的天文数据中识别出行星和恒星，这对于传统的数据处理方法来说是一个巨大的挑战。
Google是全球领先的科技公司之一，以其搜索引擎而闻名。除了搜索引擎，Google还在人工智能、机器学习、云计算等领域进行了大量的研究和开发。Google Brain是Google的一个研究项目，专注于深度学习技术的研究和应用。通过发布Astronet代码，Google展示了其在推动科学进步和开放科学资源方面的承诺。
机器学习是人工智能的一个分支，它使计算机系统能够从数据中学习并改进其性能。在Astronet项目中，机器学习技术被用来训练模型，以便从天文数据中识别出行星和恒星。这种方法可以处理大量的数据，并从中发现新的模式和关系，这对于天文学家来说是一个宝贵的工具。