“机器学习+材料”应用：材料筛选、性质预测、数据处理、深度学习、神经网络、催化、电池、高熵合金、机器学习原子势等

化学是研究物质变化的科学，长期以来，化学皆以实验为主，是典型的实验科学学科。随着研究技术的发展，化学理论与计算化学逐渐成为化学与材料科学研究中重要的辅助工具，一个优秀的计算工作往往可以使我们的研究事半功倍。近年，大量计算与实验数据的产生使得数据分析变得愈加重要，各种数据后处理方法也成为研究者们需要掌握的技能。

化学与材料科学研究的四个范式：经验，理论，计算和数据驱动

机器学习作为数据分析的重要手段，在化学与材料科学中的应用也越来越多。现在，机器学习已经成为了新材料开发领域的时尚，这也使得更多的传统化学工作者开始关注这一新的研究工具。

材料科学的数据日益增多

与机器学习在材料科学领域的火热与迅猛发展相比，机器学习在材料科学的研究资料却相对匮乏。机器学习属于数学与计算机科学领域的交叉学科，与化学本身关系不大，这就造成了“懂化学的不懂机器学习，懂机器学习的不懂化学”的尴尬情形。机器学习与材料还有很多研究空白，可探索区域很多，而很多材料科学的研究者们却因数学与编程对机器学习望而却步。

为了有效降低大家入门机器学习的门槛，华算科技黄老师原创设计了Python与机器学习系列课程，课程从零基础开始，帮助大家快速掌握机器学习这一有力工具，课程结合化学与材料学的研究案例，学习完成后可快速使用到自己的研究之中。

往期课程学员评价：

（点击图片可查看大图）

讲师介绍

黄博士：华算科技全职技术专家，武汉大学本科，北京大学博士，新加坡国立大学访问学者。目前已发表SCI文章共20篇，其中第一作者文章5篇，单篇最高影响因子>40。

从事理论计算与实验化学研究工作十年，擅长使用机器学习进行化学理论的研究及实验数据的处理，曾获华中地区数学建模邀请赛三等奖，北京大学游戏AI对抗全国邀请赛第四名等相关奖项。

识别下方二维码回复：机器学习，了解课程详情！

课程介绍

Python数据分析培训

课程针对编程零基础学员，并包含实验与计算中常见的科研数据处理案例。同学们学习完成后可直接将Python应用于自己的研究数据后处理之中，适合有数据分析需求的实验课题组/计算课题组同学。

Python与机器学习培训

课程针对Python零基础，对机器学习感兴趣，想在自己的研究方向使用机器学习的化学、材料学相关工作者。通过本次课程，带大家学会当下热门的Python语言，能使用机器学习基本算法，并会用于机器学习解决化学与材料学的实验数据处理、材料筛选与性质预测等问题，能够重现机器学习的文献案例。

机器学习与材料/化学培训

课程包括：机器学习概念，决策树/贝叶斯/支持向量机/神经网络/随机森林，回归/分类/聚类算法，模型评价/性能度量，小分子/MOF/d带中心/合金催化/单原子催化/钢铁强度/CO2RR/钙钛矿/电极涂层/STM图像，数据库/高通量筛选/Materials Project

课程须知：本次课程报名需有一定的Python代码基础，零基础同学请选择《Python数据分析》课程。

机器学习-神经网络专题培训

本次课程主要基于Python语言与TensorFlow/Keras框架，学习神经网络的构建、训练与使用，课程中使用的绝大部分案例均源于化学/材料文献中真实案例，同学们学习完成后可直接将其用于自己的研究当中。课程设计目的为学习完成之后，能自己构建常用的神经网络，进行各种技巧处理，并进行应用。

课程须知：本次课程报名需有一定的Python代码基础和机器学习基础，零基础同学请选择《Python数据分析》《机器学习与材料/化学》课程。

报名方式

识别下方二维码回复“机器学习”，了解课程详情！