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。

授课时间：2025年7月26日-7月27日

授课方式：线上直播+微信群内答疑

授课内容：

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”

 

讲师介绍：

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。