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。