Surrogates: ein Graduiertenlehrbuch oder Berufshandbuch zu Themen an der Schnittstelle zwischen maschinellem Lernen, räumlicher Statistik, Computersimulation, Metamodellierung (z. Emulation) Versuchsplanung und Optimierung. Experimentieren durch Simulation, menschlicher Out-of-the-Loop, statistische Unterstützung (mit Schwerpunkt auf der Wissenschaft), Management dynamischer Prozesse online und Echtzeitanalyse, Automatisierung und praktische Anwendung stehen im Vordergrund. Zu den Themen gehören: Gaußsche Prozessregression (GP) für flexible nichtparametrische und nichtlineare Modellierung. Anwendungen zur Quantifizierung von Unsicherheiten, Sensitivitätsanalysen, Kalibrierung von Computermodellen zu Felddaten, sequentielles Design/aktives Lernen und (Blackbox/Bayes'sche) Optimierung unter Unsicherheit. Zu den fortgeschrittenen Themen gehören Treed Partitioning, lokale GP-Approximation, Modellierung von Simulationsexperimenten (z. agentenbasierte Modelle) mit gekoppelten nichtlinearen Mittelwert- und Varianzmodellen (heteroskedastisch). Die Behandlung würdigt die historische Response-Surface-Methodik (RSM) und kanonische Beispiele, betont aber zeitgenössische Methoden und die Implementierung in R im modernen Maßstab. Rmarkdown ermöglicht eine vollständig reproduzierbare Tour mit Motivation von der Anwendung bis zur Veranschaulichung mit überzeugenden Beispielen aus der Praxis. Präsentation richtet sich an numerisch kompetente Praktiker in den Ingenieur-, Physik- und Biowissenschaften. Schreiben ist statistisch in der Form, aber in den Fächern geht es nicht um Statistik. Vielmehr geht es um Vorhersage und Synthese unter Unsicherheit; über Visualisierung und Informationsdesign und Entscheidungsfindung, Computing und sauberen Code. . Sprache: Englisch