Kesäkoulu Johdatus koneoppimiseen geotieteissä
University of Pisa Summer - Winter Schools & Foundation Course
Keskeiset tiedot
Kampuksen sijainti
Pisa, Italia
Kieli (kielet
Englanti
Opintomuoto
Etäopiskelu, Kampuksella
Kesto
5 päivää
Vauhti
Täysaikainen
Lukukausimaksut
EUR 500
Hakemuksen määräaika
03 May 2024
Aikaisin aloituspäivä
01 Jul 2024
Johdanto
Suuri määrä sovelluksia, joita vielä muutama vuosi sitten olisi pidetty mahdottomina suorittaa ilman minkäänlaista ihmisen vuorovaikutusta, suoritetaan nyt itsenäisesti yhä tehokkaammilla koneilla ja kehittyneemmillä algoritmeilla. Valtavalla määrällä saatavilla olevaa dataa ruokkivat koneoppimisalgoritmit voivat oppia ratkaisemaan monimutkaisia tehtäviä, kuten puheen, kasvojen ja esineiden tunnistusta, tai pelaamaan ja jopa voittamaan parhaat ihmispelaajat muinaisessa Go-pelissä ilman, että niitä on erikseen ohjelmoitu.
Koneoppimisesta on tulossa olennainen taito monilla dataintensiivisillä tieteenaloilla, mukaan lukien maantieteisiin liittyvillä tieteenaloilla.
Monilla geotieteiden aloilla tietojoukot kasvavat kooltaan ja monimuotoisuudeltaan poikkeuksellisen nopeasti, mikä korostaa tarvetta uusille tietojenkäsittely- ja assimilaatiotekniikoille, jotka pystyvät hyödyntämään tästä dataräjähdyksestä peräisin olevaa tietoa. Koneoppimistekniikoilla on potentiaalia viedä eteenpäin geotieteiden eri aloilla käytettyjä data-analyysimenetelmiä. Tässä yhteydessä ehdotamme kesäkoulua, joka keskittyy koneoppimistekniikoiden käyttöön geofysikaalisessa, geologisessa ja ympäristödatassa.
Koulu käsittelee alla lueteltuja aiheita. Jokaiseen aiheeseen liittyy erityisiä käytännön istuntoja, jotka keskittyvät yleisten geofysikaalisten, geologisten ja ympäristöongelmien ratkaisemiseen.
Tavoite
Tämän kesäkoulun tavoitteena on antaa yleiskuva koneoppimisen keskeisistä menetelmistä ja niiden soveltamisesta geofysikaaliseen, geologiseen ja ympäristötietoon, säilyttäen käytännöllisemmän maun.
Kurssin jälkeen opiskelija osaa käyttää geotieteiden peruskoneoppimistekniikoita. Opiskelija oppii tunnistamaan, mikä ML-menetelmä soveltuu muita paremmin tietyn aineiston analysointiin ja arvioimaan käytettyjen mallien suorituskykyä. Kurssin jälkeen opiskelija saa myös yleiskatsauksen koneoppimisen tärkeimmistä kirjastoista (erityisesti SciKit-Learn, Tensorflow ja Keras)
Ohjelman intensiteetti | ECTS |
Täysaikainen | 3 |
Kausi | Hakemuksen määräaika |
3.–7.7.2023 | 1. huhtikuuta 2023 |
Galleria
Ihanteelliset opiskelijat
Jatko-opiskelijat, varhaisen vaiheen tutkijat, ammattilaiset.
Pääsymaksut
Ohjelman lukukausimaksu
Apurahat ja rahoitus
rahoituslähteitä
Kirjoita lisätietoja koordinaattorille.
Opetussuunnitelma
Koulu käsittelee alla lueteltuja aiheita. Jokaiseen aiheeseen liittyy erityisiä käytännön istuntoja, joissa keskitytään yleisten geofysikaalisten ja geologisten ongelmien ratkaisemiseen.
Johdanto
- Yleiskatsaus kurssiin ja yleisiin koneoppimiskäsitteisiin.
Ohjattu oppiminen
- Regressio (lineaariset ja epälineaariset regressiotekniikat);
- Luokittelu (logistinen regressio, K-NearestNeighbors ja tukivektorikoneet).
Valvomaton oppiminen
- Klusterointi (k-keskiarvot, hierarkkinen klusterointi, DB-skannaus);
- Tietojen vähentäminen (PCA ja ICA).
Syvä oppiminen
- Keinotekoisten hermoverkkojen perusteet (aktivointitoiminto, takaisinlevitys, koulutus ja optimointi);
- Konvoluutiohermoverkot kuvantunnistukseen;
- Toistuvat neuroverkot aikasarja-analyysiä varten.