從科學(xué)應(yīng)用的角度，無論材料、化學(xué)、生物、物理、醫(yī)學(xué)、工程等領(lǐng)域，但凡涉及到理論，或者在實(shí)驗(yàn)上涉及到數(shù)據(jù)和模型，就有機(jī)器學(xué)習(xí)的用武之地。
時(shí)至
今日，機(jī)器學(xué)習(xí)在材料
、
化學(xué)
、生物、醫(yī)學(xué)等科學(xué)技術(shù)領(lǐng)域的成就令人矚目，
幾乎無人再質(zhì)疑機(jī)器學(xué)習(xí)對(duì)科學(xué)領(lǐng)域做出貢獻(xiàn)的可能性。
好玩的是，當(dāng)下炙手可熱的科技概念——元宇宙，其本質(zhì)也存在機(jī)器學(xué)習(xí)的影子。
在世界各大經(jīng)濟(jì)體明確推動(dòng)AI發(fā)展的大趨勢(shì)下，機(jī)器學(xué)習(xí)應(yīng)用于科學(xué)技術(shù)發(fā)展的熱度將會(huì)一直持續(xù)下去。
現(xiàn)有機(jī)器學(xué)習(xí)課程多為計(jì)算機(jī)方向，無法快速落地到生化環(huán)材等學(xué)科研究。為了幫助科研人員快速切入新風(fēng)口，華算科技將于7月25日舉辦“機(jī)器學(xué)習(xí)與材料/化學(xué)”培訓(xùn)，課程采用在線直播的形式，提供無限次回放，建立永不解散的課程群，及時(shí)答疑。
課程面向Python零基礎(chǔ)，對(duì)機(jī)器學(xué)習(xí)感興趣，想在自己的研究方向使用機(jī)器學(xué)習(xí)的化學(xué)、材料學(xué)相關(guān)工作者。
通過本次課程，帶大家學(xué)會(huì)當(dāng)下最流行的Python語言，能使用機(jī)器學(xué)習(xí)基本算法，并會(huì)用于機(jī)器學(xué)習(xí)解決化學(xué)與材料學(xué)的實(shí)驗(yàn)數(shù)據(jù)處理、材料篩選與性質(zhì)預(yù)測(cè)等問題，能夠重現(xiàn)機(jī)器學(xué)習(xí)的文獻(xiàn)案例。
許多化合物可以通過實(shí)驗(yàn)、理論計(jì)算或者機(jī)器學(xué)習(xí)方法進(jìn)行研究
四個(gè)科學(xué)范式：經(jīng)驗(yàn)，理論，計(jì)算和數(shù)據(jù)驅(qū)動(dòng)。
被稱為“五V”的大數(shù)據(jù)特征。
著名材料科學(xué)數(shù)據(jù)庫Materials Project于2022年5月底進(jìn)行了較大的更新改動(dòng)，新舊版數(shù)據(jù)庫使用差別較大，
本次課程將介紹新版數(shù)據(jù)庫的主要使用與數(shù)據(jù)抓取辦法，確保參與的老師和同學(xué)掌握前沿的技術(shù)手段。
新版Materials Project界面圖
機(jī)器學(xué)習(xí)基礎(chǔ)培訓(xùn)第八期，7月
25日開課，
掃碼添加客服立即獲取優(yōu)惠名額！
往期課程學(xué)員評(píng)價(jià)：
課程針對(duì)零編程基礎(chǔ)的化學(xué)、材料學(xué)工作者設(shè)計(jì)，先扎實(shí)學(xué)習(xí)當(dāng)下最流行、與機(jī)器學(xué)習(xí)契合度最高的Python語言，再學(xué)習(xí)機(jī)器學(xué)習(xí)的基本算法，并對(duì)文獻(xiàn)案例進(jìn)行重現(xiàn)。課程包含大量實(shí)際操作內(nèi)容，掌握編程神器Python與黑科技機(jī)器學(xué)習(xí)不再遙不可及。
黃博士
：
華算科技全職技術(shù)專家，武漢大學(xué)本科，北京大學(xué)博士，新加坡國立大學(xué)訪問學(xué)者。目前已發(fā)表SCI文章共20篇，其中第一作者文章5篇，單篇最高影響因子>40。
從事理論計(jì)算與實(shí)驗(yàn)化學(xué)研究工作十年，擅長使用機(jī)器學(xué)習(xí)進(jìn)行化學(xué)理論的研究及實(shí)驗(yàn)數(shù)據(jù)的處理，曾獲華中地區(qū)數(shù)學(xué)建模邀請(qǐng)賽三等獎(jiǎng)，北京大學(xué)游戲AI對(duì)抗全國邀請(qǐng)賽第四名等相關(guān)獎(jiǎng)項(xiàng)。
課前免費(fèi)提供相關(guān)Python軟件的安裝錄像，課前完成軟件安裝，課上直接使用！整個(gè)課程分為8個(gè)主要部分，每個(gè)部分內(nèi)容如下：
介紹Python的功能與用途，Python近年的發(fā)展趨勢(shì)、流行的原因以及其在科學(xué)數(shù)據(jù)處理、可視化方面的應(yīng)用。了解Anaconda，學(xué)習(xí)Jupyter編譯環(huán)境的基本使用，編寫屬于自己的第一個(gè)Python程序，學(xué)會(huì)查看Python錯(cuò)誤，并根據(jù)錯(cuò)誤提示修正代碼。學(xué)會(huì)查看幫助文件。
了解
Python的基本變量、運(yùn)算符、語法，學(xué)會(huì)使用Python的條件判斷語句、循環(huán)語句。完成計(jì)算Fibonac
c
i
數(shù)列程序的編寫。了解
Python中函數(shù)的概念，會(huì)編寫Python函數(shù)，并用于對(duì)微分方程進(jìn)行數(shù)值求解。學(xué)會(huì)使用Python
讀寫文件。完成此部分的學(xué)習(xí)后，我們已經(jīng)可以使用
Python編寫簡單的程序了！
Python的強(qiáng)大源于它的第三方庫，此部分將開始Python庫的學(xué)習(xí)！在此部分，將學(xué)會(huì)Python庫的安裝、導(dǎo)入與使用方法。對(duì)于眾多的Pytho
n
庫，我們著重學(xué)習(xí)
NumPy
庫、
pandas
庫與
matplotlib
庫，掌握它們的數(shù)據(jù)類型與使用方法。
結(jié)合
Python庫以及文件讀寫，我們已經(jīng)可以編寫較為復(fù)雜的Python程序，用于進(jìn)行實(shí)驗(yàn)數(shù)據(jù)或計(jì)算文件的后處理了。我們這里將以譜數(shù)據(jù)平滑為案例，介紹數(shù)據(jù)處理的流程與實(shí)現(xiàn)方式?？茖W(xué)研究上常常將NumPy
，
SciPy
，
matplotlib
等
Python庫結(jié)合使用，用于替代matlab
、
origin等商業(yè)軟件進(jìn)行數(shù)據(jù)處理與展示！
掌握了神器
Python，我們將開始我們的機(jī)器學(xué)習(xí)之旅。此部分的學(xué)習(xí)后我們對(duì)機(jī)器學(xué)習(xí)的使用有概括性的認(rèn)識(shí)，了解到機(jī)器學(xué)習(xí)在化學(xué)中的主要應(yīng)用領(lǐng)域，并將知曉機(jī)器學(xué)習(xí)在化學(xué)、材料科學(xué)研究中的優(yōu)勢(shì)。在這部分中，我們還會(huì)學(xué)習(xí)使用Python
對(duì)數(shù)據(jù)進(jìn)行可視化，這將對(duì)我們數(shù)據(jù)處理與機(jī)器學(xué)習(xí)的結(jié)果處理有很大的幫助。
此部分將學(xué)習(xí)機(jī)器學(xué)習(xí)的主要算法。對(duì)于回歸算法與分類算法，將會(huì)對(duì)原理進(jìn)行細(xì)致的講解，并使用多個(gè)相關(guān)的案例對(duì)不同算法進(jìn)行演示與實(shí)際操作：雙金屬
d帶中心與吸附能（單變量線性回歸）、預(yù)測(cè)HER
活性（多變量線性回歸）、連續(xù)反應(yīng)動(dòng)力學(xué)（非線性回歸）、有機(jī)小分子分類（決策樹分類、支持向量機(jī)分類）。
在模型未知時(shí)，模型的評(píng)價(jià)顯得極為重要，課程中將對(duì)留出法、交叉驗(yàn)證法等模型評(píng)價(jià)方法進(jìn)行講解與實(shí)際操作，并使用預(yù)測(cè)
HER
活性案例進(jìn)行學(xué)習(xí)，讓大家今后能在研究中會(huì)做出正確的模型選擇。
萬里挑一，機(jī)器學(xué)習(xí)與高通量篩選
高通量篩選是目前在化學(xué)中與材料科學(xué)中常用的數(shù)據(jù)利用方法，數(shù)據(jù)庫也逐漸成為機(jī)器學(xué)習(xí)與材料信息學(xué)中大量數(shù)據(jù)的來源，本部分將介紹新版Materials Project的功能與使用，并介紹一些常用的材料科學(xué)數(shù)據(jù)庫。
課程還將使用Python中專為材料科學(xué)打造的數(shù)據(jù)挖掘庫——matminer。通過matminer，可以輕松的獲取大量的催化材料、電極材料數(shù)據(jù)并進(jìn)行清洗。我們將節(jié)選電極表面涂層材料的高通量篩選作為案例，進(jìn)行高通量篩選的實(shí)際操作練習(xí)，部分重復(fù)文獻(xiàn)中的高通量篩選內(nèi)容。我們還將學(xué)習(xí)如何將機(jī)器學(xué)習(xí)與高通量篩選進(jìn)行結(jié)合，使科研更為高效。
機(jī)器學(xué)習(xí)經(jīng)典案例
經(jīng)過前面的學(xué)習(xí)，機(jī)器學(xué)習(xí)在我們面前已不再神秘，我們已經(jīng)掌握了機(jī)器學(xué)習(xí)的基本算法，并且對(duì)部分案例進(jìn)行了學(xué)習(xí)。這時(shí)，我們可以選擇更多相關(guān)的案例，做更為全面的解讀與重現(xiàn)，檢驗(yàn)我們的學(xué)習(xí)成果！
我們選擇了預(yù)測(cè)d帶中心、預(yù)測(cè)體積模量作為核心案例，通過實(shí)際操作，復(fù)原整個(gè)預(yù)測(cè)過程。兩個(gè)案例輸入的預(yù)處理不同，使用的機(jī)器學(xué)習(xí)模型不同，這使得我們一方面鞏固了我們Python與機(jī)器學(xué)習(xí)使用的基礎(chǔ)，另一方面使得我們更透徹的了解如何將機(jī)器學(xué)習(xí)應(yīng)用到實(shí)際研究之中。
到這個(gè)階段我們已經(jīng)完成了機(jī)器學(xué)習(xí)的入門了，我們知道如何將機(jī)器學(xué)習(xí)應(yīng)用到本學(xué)科的研究當(dāng)中。但不可否認(rèn)的是，機(jī)器學(xué)習(xí)仍有很多可學(xué)習(xí)的地方，很多經(jīng)典的案例因?yàn)榉N種原因，例如復(fù)現(xiàn)所需時(shí)間過長，數(shù)據(jù)集過大或尚未公開，使用較復(fù)雜模型（如：神經(jīng)網(wǎng)絡(luò)模型，該模型實(shí)操部分將于進(jìn)階課中進(jìn)行）等等，并不能大家一起在課堂上完成。
對(duì)于這些案例，我們也將精選重要的部分（如當(dāng)下熱門的機(jī)器學(xué)習(xí)原子勢(shì)，實(shí)時(shí)從頭算分子動(dòng)力學(xué)）進(jìn)行學(xué)習(xí)與講解，并介紹一些機(jī)器學(xué)習(xí)常用軟件。使我們知曉機(jī)器學(xué)習(xí)在化學(xué)上最前沿的應(yīng)用。完成了系統(tǒng)的學(xué)習(xí)，機(jī)器學(xué)習(xí)對(duì)我們不再神秘，并將成為我們自己的科研黑科技武器。
主辦單位：
深圳華算科技有限公司（
擁有
VASP、Materials Studio、Gaussian、LAMMPS
商業(yè)版權(quán)
）
課程時(shí)間：
7月25日-7月29日
，全部課程4天。
培訓(xùn)形式：
線上直播，提供回放視頻，課程群永不解散，隨時(shí)提問，及時(shí)解答。
課程費(fèi)用：
3980元，提供增值稅普通發(fā)票及邀請(qǐng)函。請(qǐng)?zhí)崆皥?bào)名，我們會(huì)根據(jù)學(xué)員課前反饋，適當(dāng)增加課程內(nèi)容。
老客戶有優(yōu)惠，請(qǐng)聯(lián)系華算科技-妮妮咨詢。
報(bào)名方式：
識(shí)別下方二維碼報(bào)名，或者聯(lián)系手機(jī)18126387652 。
注意：付款時(shí)請(qǐng)備注“姓名+單位+機(jī)器學(xué)習(xí)”
企業(yè)支付寶賬戶：hskj@v-suan.com
請(qǐng)核對(duì)戶名：深圳華算科技有限公司
注意：付款時(shí)請(qǐng)備注“姓名+單位+機(jī)器學(xué)習(xí)”
可通過公司微信收款碼刷公務(wù)卡，請(qǐng)掃碼填寫報(bào)名信息以便我們提前為您準(zhǔn)備發(fā)票等報(bào)銷手續(xù)。
劃重點(diǎn)：請(qǐng)先添
加課程客服微信報(bào)名
再繳費(fèi)！
