Летняя школа «Введение в машинное обучение в геолого-геофизических исследованиях»
University of Pisa Summer - Winter Schools & Foundation Course
Основная информация
Расположение кампуса
Pisa, Италия
Языки
Английский
Формат исследования
Дистанционное обучение, В кампусе
Продолжительность
5 days
Шаг
На постоянной основе
Стоимость обучения
EUR 500
Крайний срок подачи заявок
03 May 2024
Самая ранняя дата начала
01 Jul 2024
Введение
Большое количество приложений, которые всего несколько лет назад считались невозможными для выполнения без какого-либо взаимодействия с человеком, теперь автономно выполняются все более мощными машинами и сложными алгоритмами. На основе огромного количества доступных данных алгоритмы машинного обучения могут учиться, не будучи явно запрограммированными, решать сложные задачи, такие как распознавание речи, лиц и объектов, или играть и даже побеждать лучших игроков в древней игре Го.
Машинное обучение становится важным навыком во многих научных областях, связанных с интенсивным использованием данных, включая дисциплины, связанные с науками о Земле.
Во многих областях геолого-геофизических исследований размеры и разнообразие наборов данных растут исключительно быстрыми темпами, что подчеркивает потребность в новых методах обработки и усвоения данных, способных использовать информацию, полученную в результате такого взрыва данных. Методы машинного обучения могут продвинуть вперед современные процедуры анализа данных, используемые в различных областях наук о Земле. В этом контексте мы предлагаем летнюю школу, посвященную использованию методов машинного обучения для геофизических, геологических и экологических данных.
Школа будет охватывать темы, перечисленные ниже. Каждая тема будет сопровождаться конкретными практическими занятиями, ориентированными на решение общегеофизических, геологических и экологических проблем.
Цель
Эта летняя школа призвана предоставить обзор основных методов машинного обучения и их применения к геофизическим, геологическим и экологическим данным, сохраняя при этом более практический оттенок.
После курса студент сможет использовать основные методы машинного обучения, применяемые в науках о Земле. Студент научится определять, какой метод машинного обучения больше других подходит для анализа конкретных наборов данных и оценивать производительность используемых моделей. После курса студент также получит обзор основных библиотек машинного обучения (в частности, SciKit-Learn, Tensorflow и Keras).
Интенсивность программы | ЕКТС |
На постоянной основе | 3 |
Период | Крайний срок подачи заявок |
3 - 7 июля 2023 г. | 1 апреля 2023 г. |
Галерея
Идеальные студенты
Аспиранты, исследователи на ранних стадиях, профессионалы.
Прием
Стоимость обучения по программе
Стипендии и финансирование
сделкам финансирования
Пожалуйста, напишите координатору для получения более подробной информации.
Учебный план
В школе будут рассмотрены перечисленные ниже темы. Каждая тема будет сопровождаться конкретными практическими занятиями, ориентированными на решение общих геофизических и геологических задач.
Введение
- Обзор курса и общих концепций машинного обучения.
Контролируемое обучение
- Регрессия (методы линейной и нелинейной регрессии);
- Классификация (логистическая регрессия, K-NearestNeighbors и Support Vector Machines).
Бесконтрольное обучение
- Кластеризация (k-means, иерархическая кластеризация, DB-Scan);
- Сокращение данных (PCA и ICA).
Глубокое обучение
- Основы искусственных нейронных сетей (функция активации, обратное распространение, обучение и оптимизация);
- Конволюционные нейронные сети для распознавания изображений;
- Рекуррентные нейронные сети для анализа временных рядов.