Python社区  »  机器学习算法

机器学习+材料应用培训:合金催化、单原子催化、CO2RR、MOF、d带中心、钙钛矿、STM、熔点、有机小分子、电极涂层、体积模量

微算云平台 • 2 月前 • 43 次点击  
近年,机器学习这个词越来越频繁的进入大家的视野。作为一个时髦的工具,机器学习似乎无所不能,下围棋?用机器学习!解蛋白?用机器学习!开发材料?用机器学习!

化学学科长期以来主要依赖实验与计算这两个手段,机器学习的到来使得它多了一种研究方式。目前看来,机器学习在化学与材料领域应用越来越多,相关的文章发表量也逐年增长,这也使得更多的传统化学工作者开始关注这一新的研究工具。

化学与材料科学研究的四个范式
机器学习在材料科学领域的应用中最吸引人的是新材料的研发。机器学习是一种数据处理的方法,随着计算机计算能力与大批量实验开展能力的提升,材料学相关数据库的数据量也越来越多。数据库使用、数据库与高通量筛选结合、与机器学习的结合也开始进入研究的高速发展期。
材料科学的数据日益增多

与机器学习、数据库在材料科学领域的火热与迅猛发展相比,机器学习在材料科学的研究资料却相对匮乏。机器学习属于数学与计算机科学领域的交叉学科,与化学本身关系不大,这就造成了“懂化学的不懂机器学习,懂机器学习的不懂化学”的尴尬情形。机器学习与材料还有很多研究空白,可探索区域很多,而很多材料科学的研究者们却因数学与编程对机器学习望而却步。

为了降低大家入门机器学习的门槛,华算科技黄老师原创设计了机器学习与材料课程,课程同时包含理论与实操部分,包含大量研究案例,帮助大家快速掌握机器学习这一有力工具,快速使用到自己的研究之中。

本次培训10月17日开课!直播授课,互动答疑,课程群永不解散,随时提问。

课程案例:熔点、有机小分子、MOF、d带中心、吸附能、合金催化、单原子催化、CO2RR、钙钛矿、STM图像、电极涂层、Materials Project数据库抓取、体积模量、钢铁强度、反应动力学、高通量计算、高通量筛选、机器学习势、AIMD、决策树/贝叶斯/支持向量机/神经网络/随机森林、回归/分类/聚类算法、模型评价/性能度量。

前20位报名立减500元,数量有限,先到先得!

👇👇扫描二维码,立即报名👇👇 

👆👆电话:13128723011 👆👆
该课程已成功举办9期,深受学员欢迎,往期学员评价节选如下:
(点击图片可查看大图)

讲师介绍

黄博士华算科技全职技术专家,武汉大学本科,北京大学博士,新加坡国立大学访问学者。目前已发表SCI文章共20篇,其中第一作者文章5篇,单篇最高影响因子>40。
从事理论计算与实验化学研究工作十年,擅长使用机器学习进行化学理论的研究及实验数据的处理,曾获华中地区数学建模邀请赛三等奖,北京大学游戏AI对抗全国邀请赛第四名等相关奖项。

课表一览

课程内容


01

机器学习简介

通过简单易懂的案例介绍机器学习是什么,机器学习基本思想。
了解机器学习在化学中的应用以及近年逐渐火热的原因,了解当代化学学习的四个范式。

02

简单模型与模型评价

通过简单的化学与材料科学案例熟悉sklearn库,进行简单的机器学习,学习线性、非线性拟合的方法。
学习欠拟合与过拟合的概念,掌握模型评价方法并了解其必要性,对各种模型评价方法进行学习与使用。

03

分类算法

分类算法是机器学习算法中的一个重要算法。本小节将会讲解决策树算法、KNN算法、Bayes算法与支持向量机算法的原理,并使用有机小分子与MOF的案例学习这些常用分类算法的使用。学习分类算法的性能度量方法,并将性能度量结果进行可视化。

04

回归算法

回归算法作是机器学习在材料科学领域中极为常用的算法,也是机器学习学习的重点之一。
本节将通过d带中心案例,合金催化与单原子催化案例介绍常用的机器学习算法。内容包括算法原理的介绍与实际代码中算法的使用方法,并将数据预处理、模型评价方法结合在各个案例中进行使用,加深对机器学习算法全流程的理解。

05

数据库与高通量筛选

数据库在材料分析中的使用越来越多,本节将介绍常用的材料科学数据库。Materials Project(MP)数据库与matminer数据库是课程介绍的重点。
课程将介绍新版MP数据库的使用方法,并结合数据库进行高通量筛选的案例演示,介绍高通量筛选与机器学习的联系等。

06

集成学习

前面小节的内容已完成了机器学习的基本算法学习,此小节将学习近年较为火热的集成学习方法。集成学习由于结果更加精确、稳定、彪悍,逐渐成为机器学习的主流算法。
本节将学习主要的集成学习方法原理,并使用钢铁强度、CO2RR、钙钛矿案例进行实例学习与演示。

07

聚类算法

聚类算法作为机器学习算法的一种,在材料科学领域也有一定的应用。本小节将介绍常见的k-means聚类算法、层次聚类算法的基本原理,并介绍其实操使用。

08

机器学习前沿

通过前面课程的学习,同学们已经能掌握机器学习在材料领域使用的基本思路,并能够使用机器学习解决自己所在领域的基本问题了。
然而,机器学习在材料科学领域的应用广而杂, 尽管我们的课程已经将尽可能多的案例纳入,但机器学习在材料领域仍有许多知识我们无法详述。这一部分将对这些知识进行简短的讲解,并对机器学习算法进行总结,帮助大家对机器学习领域有更为系统的认识。

报名方式

主办单位:深圳华算科技有限公司(拥有VASP、Materials Studio、Gaussian、LAMMPS商业版权
培训形式:播课程,课程群永不解散,随时提问,及时解答。
开课时间:10月17日至10月21日
课程费用:3980元,提供增值税普通发票及邀请函。请提前报名,我们会根据学员课前反馈,适当增加课程内容。老客户有优惠,请联系华算科技-小硕咨询。
报名方式:识别下方二维码报名,或者联系手机13128723011。
👇👇扫描二维码,立即报名👇👇 
👆👆电话:13128723011 👆👆

缴费方式

1. 银行转账汇款
收款单位:深圳华算科技有限公司
银行账号:758869652456
开户行:中国银行深圳西丽支行 
注意:付款时请备注“姓名+单位+机器学习”
2. 支付宝转账
企业支付宝账户:hskj@v-suan.com
请核对户名:深圳华算科技有限公司
注意:付款时请备注“姓名+单位+机器学习”
3. 刷卡/扫码支付
可通过公司微信收款码刷公务卡,请扫码填写报名信息以便我们提前为您准备发票等报销手续。
划重点:请先添加课程客服微信报名再缴费!
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/147947
 
43 次点击  
分享到微博