最新AI-Python自然科学领域机器学习与深度学习技术

导师随行

1.建立导师助学交流群，长期进行答疑及经验分享，辅助学习及应用；

2.课程结束后不定期召开线上答疑交流，辅助学习巩固工作实践问题处理交流；

教学特色

1、原理深入浅出的讲解，强调原理的重要性；

2、技巧方法讲解，提供课程配套的完整教材数据及提供长期回放；

3、与项目案例相结合，更好的对接实际工作应用；

4、跟学上机操作、独立完成案例操作练习、全程问题跟踪解析；

5、课程结束专属助学群辅助巩固学习及实际工作应用交流，不定期召开线上答疑；

证书及学时

参加培训的学员可以获得《人工智能技术应用》专业技术证书及学时证明，网上可查。此证书可作为学时证明、个人学习和知识更新、单位在职人员专业技能素质培养及单位人才聘用重要参考依据。证书查询网址：www.aishangyanxiu.com

注：办理证书需提供电子版2寸照片及姓名、身份证号信息，开课前发给会务组人员

发票开具

培训费、会议费、资料费、技术咨询费，配有盖章文件，用于参会人员报销使用；

培训费用

非会员费用：3980元

【优惠活动】：

1、学生凭学生证有效证件参会可享受85折优惠。

2、转发朋友圈推荐好课程，集赞20枚可获得100元【设置公开可见】。

3、团报2人，参会可享受8折优惠。

专题一、科研数据类型与预处理

夯实建模起点：理解模型本质，规范预处理流程

1.数据尺度分类：名义数据、有序数据、定距数据、比率数据

2.多维数据结构：时间序列、纵向数据、空间场数据、面板数据以及内生/外生变量辨析

3.缺失值处理：基于统计的插补，多重插补

4.异常值处理：基于统计的异常值处理，基于模型的异常值处理

5.特征工程以及高级特征构造：熵、Hurst指数、滑动统计量

专题二、模型评估、验证与不确定性量化

科研可信度的基石：不止于准确率

1.交叉验证与K折检验

2.性能指标体系：MAE、RMSE、R²与交叉熵

3.不确定性来源：数据、参数、结构、情景

4. 模型诊断：残差分析、AUC

5.贝叶斯统计学：置信区间与可信区间

专题三、高维与复杂结构数据降维

从高维噪声中提取主导模态

1.主成分分析（PCA）

2.奇异值分解（SVD）与低秩逼近

3.经验模态分解（EMD）与 Hilbert 谱

4.季节分解（STL）

5.非负矩阵分解（NMF）用于源解析

6.独立成分分析（ICA）与核 ICA

7.正交经验分解（EOF）

专题四、时频分析与谱方法

揭示周期、突变与多变量协同机制

1.傅里叶变换与功率谱密度

2.小波变换与局部时频表征

3.互谱、相干性与相位同步

4.Hilbert-Huang 变换（HHT）处理非平稳信号

5.多元小波相干分析

专题五、高级回归建模：超越线性假设

超越线性假设，适配多样响应类型

1.线性回归与指数族

2.广义线性模型（GLM）：泊松、负二项、Gamma、零膨胀

3.分位数回归：刻画条件分布全貌

4.非参数回归：核平滑、局部多项式

5.正则化：如果观测值太少怎么办?Lasso、Ridge、Elastic Net、LARS

专题六、机器学习核心算法

高精度预测与非线性预测工具箱

1.决策树与随机森林

2.梯度提升树：XGBoost、LightGBM、CatBoost

3.支持向量机（SVM）与核函数选择

4.堆叠集成（Stacking）与超参数调优

专题七、可解释人工智能（XAI）

让模型“说出理由”：支持科学归因与机制推断

1.全局解释：变量重要性、部分依赖图（PDP）、SHAP

2.局部解释：高级SHAP（Tree/Kernel/Conditional）、LIME

3.交互效应量化：H 统计量、SHAP 交互值

4.对抗可解释性陷阱：相关≠因果、特征泄露警示

专题八、深度学习：感知与表征

处理图像与光谱

1.多层感知机（MLP）与激活函数选择

2.自编码器（AE）与变分自编码器（VAE）

3.卷积神经网络（CNN）：LeNet → ResNet

4.U-Net 架构：语义分割与边界保持

专题九、深度学习进阶：序列、生成与注意力

建模动态演化、生成模拟与长程依赖

1.RNN / LSTM / GRU：记忆机制对比

2.Attention 机制原理

3.Transformer 与 Swin Transformer

4.生成对抗网络（GAN）用于数据增强与反演

5.扩散模型简介

专题十、时空数据建模专题

专门应对自然系统的核心挑战：时空依赖与耦合

1.克里金插值

2.时空分解：STL 扩展、动态 EOF

3.ConvLSTM、PredRNN 等时空预测架构

4.Transformer 在时空序列中的应用（如 TimeSformer）