机器学习已经广泛应用于计算机视觉、自然语言处理、数据挖掘、机器人应用等诸多领域，在材料&化学领域也有越来越多的应用。材料人应邀联合两位讲师共同开设机器学习课程，欢迎需要的同学报名or咨询。
1：课程总时长近20小时，另赠送8小时的Python录播课程，总计近28小时。2：课程注重实战，内容新颖，包含了最新上线的VASP6.3版本的机器学习部分。4：直播结束后，上线剪辑版回看，不限时。回看与直播在同一地址，登录账号即可观看。2022年5月22日 9:00-12:00；14:00-17:00
1. 引论（约1h）
1.1机器学习的概念
1.2常见机器学习库介绍
1.3机器学习的常见任务
1.4机器学习的基本流程
1.5机器学习在化学与材料科学中应用举例
2.机器学习环境配置与应用简介（约1.5h）
2.1机器学习需要用到的一些库介绍
2.2在线环境介绍
2.3在线环境使用
2.4本地环境介绍
2.5本地环境配置3.Python语言入门（约2h）
3.1基础语法
3.2数据处理简介
3.3绘图简介
4.机器学习常见数据集与描述符（约2h）
4.1材料科学中的数据集
4.2化学科学中的数据集
4.3材料科学中的描述符
4.4材料科学中的描述符
4.5应用实例（约1h）5.化学与材料科学中的监督学习（约1h）
5.1分类与回归
5.2实例介绍
5.2.1预测有机化合物的产率
5.2.2机器学习拟合简单势函数
6.化学与材料科学中的无监督学习（约1h）
6.1聚类与降维
6.2实例介绍
6.2.1实例一 固体表面原子的聚类
6.2.2实例二 SISSO简介
7.化学与材料科学中的强化学习（约0.5h）
7.1强化学习
7.2实例介绍8.机器学习力场(约4h)
8.1分子动力学模拟与力场简介
8.2机器学习力场的基本原理和应用
8.3机器学习力场框架介绍和软件安装(DeepMD和VASP6)
8.4机器学习力场的训练与优化
8.4.1 Off-line的训练模式(以DeepMD为例) （约1h）
8.4.2 On-the-Fly的训练模式(以VASP6为例) （约1h）
8.4.3 两种训练模式的优劣势分析9.机器学习预测分子性质与逆合成分析（约3 h）
9.1QSAR简介 20 min
9.2分子性质预测 80 min
9.3逆合成分析 80 min10.化学与材料科学中的图神经网络（约2 h）
10.1图神经网络简介
10.2图神经网络库介绍
10.3图神经网络库应用实例（约1h）
补充视频：硅的机器学习力场的训练与优化（录播，时长75分钟）购买本课程赠送8小时的《利用python处理材料计算数据进阶技能》，该课程由许老师在材料人讲授。
以下是部分上课片段
赵老师，南京理工大学博士在读，从事功能材料的模拟计算研究，精通Gaussian,ORCA,Gromacs软件的使用，多年机器学习研究经历，参与多款开源计算模拟软件的开发，发表SCI论文近十篇，引用数十次，曾多次作为审稿人为RSC, Springer-Nature旗下期刊审稿。许老师，博士毕业于浙江大学，2021年8月全职加入浙江大学衢州研究院，任特聘副研究员，从事基于量子化学的化工过程热力学性质的计算，及锂电负极的微观模拟研究。许老师致力于能源材料的模拟研究以及化工过程热力学性质的计算工作。参与发表SCI高水平期刊论文近20篇，引用数十余次。以第一或通讯作者在Journal of Materials Chemistry A、Journal of Physical Chemistry C、Journal of Molecular Liquids、Sustainable Materials and Technologies等行业内知名期刊上发表了多篇SCI论文。攻读博士期间，受邀担任Journal of Physical Chemistry C等SCI期刊的审稿人。参与开发了开发具有自主产权的第一性原理高通量计算接口程序VASPKIT，在第一性原理计算领域产生了十分广泛的影响力。在材料人APP内搜索“机器学习在材料科学中的应用”即可找到，或直接点击原文链接报名在网页观看。Web端、安卓、IOS、IPAD均可观看。
