Surrogaten: een studieboek voor afgestudeerden of een professioneel handboek over onderwerpen op het raakvlak tussen machine learning, ruimtelijke statistieken, computersimulatie, metamodellering (d.w.z. emulatie) ontwerp van experimenten en optimalisatie. Experimenteren door middel van simulatie, menselijke out-of-the-loop statistische ondersteuning (gericht op de wetenschap), beheer van dynamische processen, online en real-time analyse, automatisering en praktische toepassing staan op de voorgrond. Onderwerpen zijn onder meer: Gaussiaanse proces (GP) regressie voor flexibele niet-parametrische en niet-lineaire modellering. Toepassingen op onzekerheidskwantificering, gevoeligheidsanalyse, kalibratie van computermodellen op veldgegevens, sequentieel ontwerp/actief leren en (blackbox/Bayesiaanse) optimalisatie onder onzekerheid. Geavanceerde onderwerpen zijn onder meer het partitioneren van lokale GP-benaderingsmodellen van simulatie-experimenten (bijv. agent-gebaseerde modellen) met gekoppelde niet-lineaire gemiddelde en variantie (heteroskedastische) modellen. Treatment waardeert historische responsoppervlaktemethodologie (RSM) en canonieke voorbeelden, maar legt de nadruk op hedendaagse methoden en implementatie in R op moderne schaal. Rmarkdown faciliteert een volledig reproduceerbare rondleiding, compleet met motivatie van toepassing tot en illustratie met overtuigende voorbeelden uit de praktijk. Presentation richt zich op numeriek bekwame beoefenaars in technische fysische en biologische wetenschappen. Schrijven is statistisch van vorm, maar de vakken gaan niet over statistieken. Ze gaan eerder over voorspelling en synthese onder onzekerheid; over visualisatie en informatieontwerp en besluitvorming, computing en schone code. . Taal: Engels