地球科学机器学习暑期学校介绍
University of Pisa Summer - Winter Schools & Foundation Course
关键信息
校园位置
Pisa, 意大利
语言
英语
学习形式
远程教育, 在校园
期间
5 天
步伐
全职
学费
EUR 500
报名截止日期
03 May 2024
最早开始日期
01 Jul 2024
介绍
大量的应用程序在几年前被认为在没有任何形式的人工交互的情况下是不可能执行的,现在由越来越强大的机器和复杂的算法自主执行。在大量可用数据的支持下,机器学习算法可以在没有明确编程的情况下学习解决复杂的任务,例如语音、面部和物体识别,或者在古老的围棋游戏中下棋甚至击败最优秀的人类棋手。
机器学习正在成为许多数据密集型科学领域的一项基本技能,包括地球科学相关学科。
在地球科学的许多领域,数据集的规模和种类都在以极快的速度增长,这凸显了对能够利用从数据爆炸中获得的信息的新数据处理和同化技术的需求。机器学习技术有可能推动地球科学不同领域使用的数据分析程序的最新技术。在这种情况下,我们建议开设一所暑期学校,专注于将机器学习技术用于地球物理、地质和环境数据。
学校将涵盖以下主题。每个主题都将附有具体的实践环节,重点是解决一般地球物理、地质和环境问题。
目标
这个暑期学校旨在概述主要的机器学习方法及其在地球物理、地质和环境数据中的应用,保持更实用的风格。
课程结束后,学生将能够使用应用于地球科学的基本机器学习技术。学生将学习确定哪种 ML 方法比其他方法更适合分析特定数据集并评估所用模型的性能。课程结束后,学生还将了解主要的机器学习库(特别是 SciKit-Learn、Tensorflow 和 Keras)
节目强度 | ECTS |
全职 | 3 |
时期 | 报名截止日期 |
2023 年 7 月 3 日至 7 日 | 2023 年 4 月 1 日 |
画廊
理想学生
研究生、早期研究人员、专业人士。
招生
课程学费
奖学金和资助
拨款,
请写信给协调员了解更多详情。
可用的
课程
学校将涵盖下面列出的主题。 每个主题都将附有特定的实践课程,重点是解决一般的地球物理和地质问题。
导言
- 课程概述和一般机器学习概念。
监督式学习
- 回归(线性和非线性回归技术);
- 分类(逻辑回归、K 近邻机和支持向量机)。
无监督学习
- 聚类(k-means、分层聚类、DB 扫描);
- 数据减少(PCA 和 ICA)。
深度学习
- 人工神经网络基础知识(激活函数、反向传播、训练和优化);
- 用于图像识别的卷积神经网络;
- 用于时间序列分析的循环神经网络。