Summer School Pengenalan kepada Pembelajaran Mesin dalam Geosains

Sebilangan besar aplikasi yang hanya beberapa tahun lalu dianggap mustahil untuk dilakukan tanpa sebarang jenis interaksi manusia kini dilaksanakan secara autonomi oleh mesin yang semakin berkuasa dan algoritma yang canggih. Diberikan oleh sejumlah besar data yang tersedia, algoritma pembelajaran mesin boleh belajar, tanpa diprogramkan secara eksplisit, untuk menyelesaikan tugas yang rumit seperti pertuturan, wajah dan pengecaman objek atau bermain dan juga mengalahkan pemain manusia terbaik di permainan purba Go.

Pembelajaran mesin menjadi kemahiran penting dalam banyak bidang saintifik intensif data, termasuk disiplin berkaitan Sains Bumi.

Dalam banyak bidang set data Geosains berkembang dalam saiz dan kepelbagaian pada kadar yang sangat pantas, menonjolkan keperluan untuk pemprosesan data baharu dan teknik asimilasi yang mampu mengeksploitasi maklumat yang diperoleh daripada letupan data ini. Teknik pembelajaran mesin mempunyai potensi untuk memajukan keadaan seni prosedur analisis data yang digunakan dalam pelbagai bidang Geosains. Dalam konteks ini, kami mencadangkan sekolah musim panas yang memfokuskan pada penggunaan teknik Pembelajaran Mesin kepada data geofizik, geologi dan persekitaran.

Sekolah akan merangkumi topik yang disenaraikan di bawah. Setiap topik akan disertakan dengan sesi praktikal khusus, tertumpu kepada penyelesaian masalah umum geofizik, geologi dan alam sekitar.

Matlamat

Sekolah musim panas ini bertujuan untuk memberikan gambaran keseluruhan kaedah pembelajaran mesin utama dan aplikasinya pada data geofizik, geologi dan alam sekitar, mengekalkan rasa yang lebih praktikal.

Selepas kursus pelajar akan dapat menggunakan teknik pembelajaran mesin asas yang digunakan untuk geosains. Pelajar akan belajar untuk mengenal pasti kaedah ML yang lebih sesuai daripada yang lain untuk analisis set data tertentu dan menilai prestasi model yang digunakan. Selepas kursus pelajar juga akan mendapat gambaran keseluruhan perpustakaan Pembelajaran Mesin utama (khususnya SciKit-Learn, Tensorflow dan Keras)

Pelajar Siswazah, Penyelidik Peringkat Awal, Profesional.

Pihak sekolah akan merangkumi topik yang disenaraikan di bawah. Setiap topik akan disertakan dengan sesi praktikal khusus, tertumpu kepada penyelesaian masalah umum geofizik dan geologi.

pengenalan

• Gambaran keseluruhan kursus dan konsep pembelajaran mesin am.

Pembelajaran yang diselia

• Regresi (teknik regresi Linear dan Bukan linear);
• Klasifikasi (Regression Logistik, K-Nearest Neighbors dan Mesin Vektor Sokongan).

Pembelajaran Tanpa Selia

• Pengelompokan (k-means, Pengelompokan Hierarki, DB-Scan);
• Pengurangan Data (PCA dan ICA).

Pembelajaran Mendalam

• Asas Rangkaian Neural Buatan (Fungsi Pengaktifan, Perambatan Belakang, Latihan dan Pengoptimuman);
• Rangkaian Neural Convolutional untuk pengecaman imej;
• Rangkaian Neural Berulang untuk Analisis Siri Masa.