数据时代来临，各行各业都在借助新技术、新方法解决行业问题，气象和海洋领域也不例外！在应用新技术方面，气象和海洋领域天然具有优势，气象和海洋领域面对的数据天生就是大数据，除了空间尺度大，时间维度也很长；且有不同的数据分类，有不同的数据格式。
在这种情况下，当我们分析气象数据的时候可能会遇到一些问题，比如：①需要分析的数据量很大，可能会涉及上百G的数据；②涉及到大量的重复性工作；③面对不同的数据需求和数据格式，需要在不同软件间切换，耗费了大量的精力，还不一定得到满意的结果！
那有没有一个工具可以很好地解决上述的问题？在这儿我们推荐Python！为什么是Python？
那要如何学习Python在气象数据分析中的应用？来参与立方数据学院推出的《Python气象数据分析实战》特训营吧！课程主讲基于Python的气象数据分析技术，包括常用库的讲解和实战项目的讲解！以下为课程的详细介绍：课程面向零基础学员，对于零基础的学员我们会赠送《Python基础》课程，关于《Python基础》课程的介绍见文末“阅读原文”！课程包括12个任务，以下为课程目录：
以下为每个任务的详细介绍：
【任务一：学前准备】
学习课程前大家需要做一些准备工作，包括了解课程内容，体验课程，环境配置等，本任务就来进行这些工作；
【任务二：认识多维数组——Numpy】
Nnmpy库是用Python进行数据分析必须学习的基础库，气象数据分析也不例外，这一任务我们来学习Nnmpy库；
【任务三：表格数据处理——Pandas】
表格数据是在气象数据分析中最常见的数据格式，包括csv文件、excel文件等，本任务来学习处理表格数据的库Pandas；
【任务四：高维数据处理——xarray】
气象数据分析与高维数据处理密不可分，常见的高维数据来自于模式输出，包括nc、grib文件，本任务来学习处理高维数据的库Xarray；
【任务五：基础图表绘制——Matplotlib】
分析完数据后，我们还需要对数据进行可视化，本任务来学习绘制基础图表的库Matplotlib；
【任务六：地图绘制——Cartopy】
在进行地理空间数据可视化时，需要添加投影及地理信息特征，本任务来学习绘制地理特征的库Cartopy；
【任务七：气象数据爬取】
数据分析的前提是要有数据，本任务来学习气象数据爬取的相关知识；
【任务八：CMA台风数据爬取与分析】
台风是气象研究的重点，我国台风数据的信息由中央气象台发布，本任务来学习爬取中央气象台的实况级预报数据，并进行相关分析；
【任务九：基于EOF方法的海温时空模态分析】
气象分析统计中有很多常用的方法，EOF就是其中之一，本任务来学习基于EOF方法的海温时空模态分析的全流程；
【任务十：气象数据插值】
数据插值可以应用在时间尺度或空间尺度，气象数据处理与这种方法密不可分，本任务来学习如何将格点数据插值到站点数据，或者站点数据插值成格点数据，并对比不同插值方法的效果；
【任务十一：WRF模式后处理】
气象中最常见的模式就是WRF，不论是科研还是业务工作中都很常见，本任务来学习有关WRF模式后处理的内容。
【任务十二：机器学习在气象领域的应】
近些年机器学习在气象中的应用越来越广泛，本任务来学习机器学习的基础理论，掌握经典的机器学习库，并以机器学习在气象领域中的实际应用为例进行讲解。
以下为课程的部分成果图：
学员报名后可以找我们免费申请几百种城市数据！下面是主要数据的清单，关于更多数据的介绍及申请流程请在购买课程前咨询客服。课程是从购买之日起四年有效，这四年内可以无限次观看课程，学员可以自由安排时间学习课程。课程配备有答疑微信群，有多位老师负责答疑，学员有任何问题可以随时在群中提问，老师会及时答疑。
另外，根据我们长期的教学经验，如果完全让学员自由安排时间学习，会有相当比例的学员买课后不学习。为了避免这种情况，为了让学员买课后能切实学到东西，我们推出了“集中学习班”的形式来监督大家学习。集中学习班为期7周，在这7周内我们会以周为单位，安排每周学习的内容，然后每周提醒大家学习，每周检查大家的学习情况，对于没有按时学习的同学进行针对化的服务。集中学习班在四年内会持续举办，每期集中学习班学员均可选择参加。以下为本期学习班的详细安排：课程设置有毕业考核，完成毕业考核可获取结业证书，如下：为了给学员更好的学习体验，立方数据学院花费了大量时间和精力开发了一个非常适宜学习的上课网站。网站具有如下特点：① 采用对话式授课方式，学习就像在跟老师聊天，不无聊！② 文字+图片+视频+练习题穿插讲，学练一体，一气呵成！为了方便用户体验课程内容
