2024年我们在东莞松山湖开设了金属材料机器学习课程，广受好评。此次我们对课程内容作了升级，结合金属材料本征特性（成分/工艺参数），系统讲授机器学习在构效关系研究中的前沿应用。课程涵盖材料特征工程、交叉验证策略、Scikit-learn实战等核心模块，通过铝合金力学性能预测、非晶合金分类等科研案例，手把手实现从数据挖掘到模型构建的全流程。本课程继续由吴老师讲授，融合顶刊研究经验与代码实战，助力课题组突破传统试错研究范式，提升顶刊论文竞争力。
这是材料人在2025年开设的第三门机器学习课程，也是材料人APP上第十门机器学习课程。特别地，凡购买了材料人深度学习工作站，可以任选我们一门深度学习课程免费参加！
2025年7月26日-7月27日
线上直播+微信群内答疑
2025年7月26日 09:00-17:00
9:00—10:20 金属材料机器学习导论
1. 机器学习基础概念
2. 机器学习在金属材料领域的应用
10:30—12:00 经典机器学习模型介绍
1. 线性模型
2. 支持向量机
3. K近邻
4. 决策树
5. 集成学习
6. 人工神经网络
14:00—15:20 Scikit-learn机器学习库应用
1. 机器学习分类
2. 机器学习回归
3. 机器学习聚类
15:30—17:00 数据集的构建
1. 数据的收集和清洗
2. 特征归一化、标准化
3. 数据划分策略
2025年7月27日 09:00-17:00
9:00—10:20 模型性能的评估方法
1. 交叉验证
2. 分类性能评估
3. 回归性能评估
10:30—12:00 金属材料的特征工程
1. 材料的特征参数
2. 材料的特征筛选
14:00—15:20 金属材料的性能预测
1. 机器学习模型回归训练
2. 案例操作：“铝合金的力学性能预测”
15:30—17:00金属材料的分类预测
1. 机器学习模型分类训练
2. 案例操作：“非晶合金与晶体合金的分类”
吴老师，博士毕业于中国科学院物理研究所。主要从事材料数据挖掘、机器学习、金属材料构效关联等方面的工作。相关工作发表在Acta Materialia, Scripta Materialia, Science China Materials等期刊上。
在材料人APP内搜索“金属材料机器学习”即可找到，或直接点击原文链接报名在网页观看。
