Descrição
Com o avanço da tecnologia, dados obtidos por telescópios espaciais e terrestres têm sido cada vez mais coletados. As técnicas comumente utilizadas para obter informações sobre os objetos observados são a Espectroscopia e a Fotometria. Embora a Espectroscopia forneça informações mais detalhadas, ou seja, o espectro completo, ela tem maior custo operacional. Por outro lado, a Fotometria cobre um maior leque de comprimentos de onda e fornece um espectro integrado com custo menor.
Neste trabalho, foi apresentado uma das formas para classificação de cem mil dados, coletados pelo levantamento Sloan Digital Sky Survey entre 2014 e 2016, utilizando uma das ferramentas disponíveis dentro da Inteligência Artificial, chamada Aprendizado de Máquina, que visará classificar Estrelas, Galáxias e Quasares, através de características que distinguam essas classes. Estes dados são separados em conjuntos para treinamento e teste. Por fim, estudou-se a eficiência do classificador quando o configuramos com rótulos somente fotométricos e com rótulos fotométricos e espectrográficos (que será representado pelo redshift).
