社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

继续更新:机器学习辅助材料模拟实践

材料人 • 8 月前 • 240 次点击  


机器学习,作为人工智能领域的核心技术之一,通过让计算机学习大量数据中的模式和规律,已经在多个领域实现了技术革命。《机器学习辅助材料模拟实践》课程深入探讨机器学习与材料科学的全面结合,教授在材料领域中可运用的编程工具与人工智能算法,从而加速材料的研发创新。
本课程以机器学习基础、Python编程语言以及数据预处理和特征工程介绍入手,涵盖统计机器学习模型和深度学习模型的基本原理、方法以及在材料中的应用。并提供实际材料研发问题的实战案例,包括利用机器学习进行实验数据分析、利用预训练模型加速材料科学研究等。
通过基础教学和实践应用的结合,本课程旨在激发创新灵感,促进材料科学领域的进步,为学习者提供应用机器学习技术揭示新材料和解决复杂问题的技能。
材料人受权将《机器学习辅助材料模拟实践》的录播视频上架于材料人APP,供网友免费点播,每周更新一期!



课程目录
第一章 概要(录播已上线
1.机器学习基础
2.编程语言基础
3.数据预处理与特征工程
第二章 统计机器学习模型
1.回归分析与材料性质预测(录播已上线)
2.分类问题与材料筛选
3.决策树与机器学习可解释性
4.支持向量机与模型筛选
5.集成学习算法与新材料发现
6.无监督学习与材料表征应用
第三章 深度学习模型
1.多层感知机与深度学习基础
2.深度卷积神经网络与电镜图像处理
3.Transformer与复杂材料性质预测
第四章 机器学习案例实战
1.机器学习与实验数据处理
2.机器学习与计算材料学
3.预训练模型助力材料科学研究
4.机器学习的其他应用与创新
注:相关代码和课程资料在代码等资料请在下述网下载址:
https://bohrium.dp.tech/courses/1579342680?tab=courses



讲师介绍

许审镇,北京大学材料科学与工程学院研究员(2020年9月至今),2011年本科毕业于清华大学物理系,2017年博士毕业于美国威斯康星大学麦迪逊分校,2017-2020在美国普林斯顿大学开展博士后研究。主要从事电化学体系表界面过程的计算模拟及方法开发工作。2022年2月至今在北京科学智能研究院(AISI)兼职负责电池材料理论计算团队。以第一作者或通讯作者身份在 J. Am. Chem. Soc./PNAS/Adv. Funct. Mater./J. Phys. Chem. Lett./J. Chem. Theory Comput. 等期刊发表论文二十余篇。

王一博,深势科技教学总监。本科和硕士毕业于北京大学信息科学技术学院,计算机专业,研究方向是机器学习与深度学习,深度扎根人工智能与教育行业,曾供职于一线互联网、教育行业。管理和运营全球最大的 AI4Science 社区 DeepModeling 开源社区,发起并组织 AI4Science 品牌教学活动“哥伦布训练营”,课程学员覆盖来自国内外上百所高校数万名学员。




如何观看

在材料人APP内搜索“机器学习辅助材料模拟实践”即可找到,或直接点击原文链接报名在网页观看。

扫码下载APP



Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/169468
 
240 次点击