登录
Python 是功能强大、免费、开源，实现面向对象的编程语言，在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面具备优异的性能，这些优势使得 Python 在气象、海洋、地理、气候、水文和生态等地学领域的科研和工程项目中得到广泛应用。可以预见未来 Python 将成为的主流编程语言之一。 人工智能和大数据技术在许多行业都取得了颠覆式的成果，气象和海洋领域拥有海量的模式和观测数据，是大数据和人工智能应用的天然场景。Python 也是当前进行机器学习和深度学习应用的最热门语言。对于的气象海洋领域的专业人员，Python 是进行机器学习和深度学习工作的首选。 【原文链接】： 【方式】：在线+永久回放+答疑群辅助+全套课件 【内容介绍】： 专题一、Python 和科学计算基础： 1、Python 入门和安装?
2、科学数据处理基础库?
1）Matplotlib?和 Cartopy?库? 2）常用数据格式的 IO? 掌握基于 Anaconda?配置 python?环境，以及使用 Jupyterlab?开发和调试代码。在了解了 python?的基础语法后，学习常用的科学计算和可视化库，如 Numpy、Pandas 和 Matplotlib 等。打好基础，机器学习数据预处理和结果展示将手到擒来。? 专题二、《机器学习和深度学习基础理论和实操》： 1、机器学习和深度学习基础理论 1）机器学习基本理论 基础学习的基本知识，如误差反向传播、梯度下降法，以及机器学习的整个常规流程。 2）深度学习基本理论? 深度学习基本理论，如卷积神经网络 CNN、循环神经网络 RNN?和生成式对抗网络。 3）机器学习与深度学习在气象中的应用? AI?在气象模式订正、短临预报、气候预测等场景的应用，以及深度学习降尺度和 PINN?内嵌物理神经网络介绍。 2、sklearn?和pytorch?库?? 1）sklearn 介绍、常用功能和机器学习方法? 学习经典机器学习库 sklearn?的常用功能，如鸢尾花、手写字体等公开数据集的获取、划分训练集和测试集、模型搭建和模型验证等。? 2）pytorch?介绍、搭建 模型? 学习目前流行的深度学习框架 pytorch，了解张量 tensor、自动求导、梯度提升等，以 BP?神经网络学习 sin?函数为例，掌握如何搭建单层和多层神经网络， 以及如何使用 GPU?进行模型运算。 ?专题三?、《气象领域中的机器学习应用实例》： 1、GFS?数值模式的风速预报订正? 1）随机森林挑选重要特征??????? 2）K?近邻和决策树模型订正风速??? 3）梯度提升决策树 GBDT 订正风速3.1.4?模型评估与对比? 2、台风预报数据智能订正? 1）CMA?台风预报数据集介绍以及预处理? 2）随机森林模型订正台风预报? 3）XGBoost 模型订正台风预报 4）台风“烟花”预报效果检验? 3、机器学习预测风电场的风功率? 1）lightGBM?模型预测风功率? 2）调参利器—网格搜索 GridSearch?于 K?折验证? 本专题，在详细讲解机器学习常用的两类集成学习算法，Bagging?和Boosting，对两类算法及其常用代表模型深入讲解的基础上，结合三个学习个例，并串讲一些机器学习常用技巧，将理论与实践结合。? 专题四、《气象领域中的深度学习应用实例》： ?1、深度学习预测浅水方程模式 1）浅水模型介绍和数据获取 2）传统神经网络 ANN 学习浅水方程 3）物理约束网络 PINN 学习浅水方程 2、?LSTM 方法预测 ENSO 1）ENSO 简介及数据介绍 2）LSTM 方法原理介绍 3）LSTM 方法预测气象序列数据 3、深度学习—卷积网络 1）卷积神经网络介绍 2）Unet 进行雷达回波的预测 本专题，在学习使用 ANN?预测浅水方程的基础上，进一步掌握如何使用 PINN 方法，将动力方程加入模型中，缓解深度学习的物理解释性差的问题。此外，气象数据是典型的时空数据，学习经典的时序预测方法 LSTM，以及空间卷积算法 UNET。 ? ? ? ? ? ? |
