授课课表

第一节：AI介绍

AI在材料、化学领域的应用概述

AI在材料、化学领域的算法编程

材料、化学领域的AI前沿研究

AI编程对材料、化学领域的重要性

我们在研究材料、化学领域需要如何看待AI

第二节：编程入门

Python程序（完整程序案例）

变量与数据类型

条件判断与循环

函数

第三节：模型评估

材料、化学领域常用模型评估介绍

经验误差与过拟合

评估方法（留出法，交叉验证法，自助法）

性能度量（错误率、精度、P/R/F1、ROC/AUC）

第四节：线性模型

线性模型在材料、化学领域的应用和实例讲解

线性回归（代价函数，LMS，求解原理）

对数几率回归

线性判别分析

重要内容代码实现讲解

第五节：决策树

决策树在材料、化学领域的应用和实例讲解

基本算法

划分选择（信息熵，划分算法）

减枝处理

连续与缺失值

重要内容代码实现讲解

第六节：神经网络

神经网络在材料、化学领域的应用和实例讲解

神经网络模型

多层网络

BP算法

重要内容代码实现讲解

课后习题+答疑

第七节：支持向量机

支持向量机在材料、化学领域的应用和实例讲解

支持向量

核函数

正则化

重要内容代码实现讲解

课后习题+答疑

第八节：项目实战

待定

注：授课过程中主要涉及Python软件，请各位同学提前做好准备。

讲师介绍

车老师，985硕士，供职于某大型研究机构，拥有7年机器学习从业经验。