【机器学习+材料】零基础入门培训，4天实操：Python/算法/案例/数据处理/材料筛选/性质预测
在材料与化学研究中，机器学习已悄然应用在各个领域，许多催化、电池、二维材料、金属、电化学、仪器分析、理论计算等方向的课题组已开始利用机器学习辅助进行实验与计算的研究，相关的机器学习高质量文章亦层出不穷。毫无疑问，机器学习在材料研究领域的影响力还将进一步放大。
无论是Science、Nature系列的正刊子刊，还是JACS、Angew等老牌化学类顶刊，都对机器学习青睐有加！为了说明机器学习的火热程度，我们借用Web of Science数据库，仅以主题含有“machine learning”关键词，同时限定研究领域为“Chemistry”，进行了近五年（以索引时间为准）的搜索，相关文章数量如图所示：
结果显而易见，仅主题与机器学习相关的“化学”文章是逐年上升，并且在近两年呈现爆发趋势。2021年截止10月，就已经达到了1962篇相关文章，看到这样的数据，难道你认为它还不火吗？
然而由于机器学习在材料领域刚刚兴起，化学、材料学专业设置相关课程的学校极少。网络上有大量机器学习的资料，但绝大多数面向数学与计算科学专业，学习难度大且与真实实验研究毫无关联，学完难以掌握与使用。
本课程针对零编程基础的化学、材料学工作者，先扎实学习当下最流行、与机器学习契合度最高的Python语言，再学习机器学习的基本算法，并对文献案例进行重现。课程包含大量实际操作内容，掌握编程神器Python与黑科技机器学习不再遥不可及。
往期课程学员评价：
01
课程背景
面向Python零基础，对机器学习感兴趣，想在自己的研究方向使用机器学习的化学、材料学相关工作者。与量子化学计算相比，机器学习更容易上手，更适合实验科研人员切入科研风口。
通过本次课程，带大家学会当下最流行的Python语言，能使用机器学习基本算法，并会用于机器学习解决化学与材料学的实验数据处理、材料筛选与性质预测等问题，能够重现机器学习的文献案例。
02
讲师简介
黄博士，华算科技全职技术专家，武汉大学本科，北京大学博士，新加坡国立大学访问学者。从事理论计算与实验化学研究工作十年，擅长使用机器学习进行化学理论的研究及实验数据的处理，曾获华中地区数学建模邀请赛三等奖，北京大学游戏AI对抗全国邀请赛第四名等相关奖项。
目前已发表SCI文章共20篇，其中第一作者文章5篇，单篇最高影响因子>40。
03
课表一览
04
课程详情
课前提供相关Python软件的安装视频，课前完成软件安装，课上可直接使用！
整个课程分为8个主要章节，每个章节介绍如下：
章节一：开始Python学习之旅！
介绍Python的功能与用途，Python近年的发展趋势、流行的原因以及其在科学数据处理、可视化方面的应用。了解Anaconda与Jupyter，结合两者编写属于自己的第一个Python程序，学会查看Python错误，并根据错误提示修正代码。
了解Python的基本变量、运算符、语法，学会使用Python的条件判断语句、循环语句。了解Python中函数的概念，会编写Python函数。完成此部分的学习后，我们已经可以使用Python编写简单的程序了！
Python的强大源于它的第三方库，此部分将开始Python库的学习！在介绍库之前，我们先会学习使用Python读写文件，随后将会介绍常用的Python库以及它们的安装与使用方法。
结合Python库以及文献读写，我们已经可以编写较为复杂的Python程序，用于进行实验数据或计算文件的后处理了。可以说，我们已经是一个小小的Python程序员了！
掌握了神器Python，我们将开始我们的机器学习之旅。此部分的学习后我们对机器学习的使用有概括性的认识，了解到机器学习在化学中的主要应用领域，并将知晓机器学习在化学、材料科学研究中的优势。在这部分中，我们还会学习使用Python对数据进行可视化，这将对我们数据处理与机器学习的结果处理有很大的帮助。
此部分将学习机器学习的主要算法。对于我们常用的、重要的算法，例如回归算法、分类算法，将会对原理进行细致的讲解，并使用真实的研究案例进行演示与实际操作，确保在学习之后，能够扎实的掌握机器学习这部分的基础。
此外，因时间因素无法详尽描述的模型也将进行介绍，课程还将对模型的评价方法进行讲解与实际操作，让大家今后能将模型正确的应用到研究问题当中。
高通量筛选是目前在化学中与材料科学中常用的数据利用方法。这部分我们将一起学习高通量筛选的基本原理，并开始使用Python中专为材料科学打造的数据挖掘库——matminer。
通过matminer，可以轻松的获取大量的催化材料、电极材料数据并进行清洗。我们将使用简单的例子来对高通量筛选进行实际操作练习，并学习如何将机器学习与高通量筛选进行结合，使我们的科研更为高效。
经过前面的学习，机器学习在我们面前已不再神秘，我们已经掌握了机器学习的基本算法，这时，我们可以选择一些经典的案例，包括文献中的案例，检验我们的学习成果啦！
我们选择了预测d带中心、预测体积模量作为核心案例，通过实际操作，复原整个预测过程，这部分的学习一方面巩固了我们Python与机器学习使用的基础，另一方面使得我们更透彻的了解如何将机器学习应用到实际研究之中。
到这个阶段我们已经完成了机器学习的入门了，我们知道如何将机器学习应用到本学科的研究当中。但不可否认的是，机器学习仍有很多可学习的地方，很多经典的案例因为种种原因，例如复现所需时间过长，数据集不公开等等，并不能大家一起在课堂上完成。
对于这些案例，我们也将精选重要的部分（如当下热门的态密度信息提取，实时从头算分子动力学）进行学习与讲解，使我们知晓机器学习在化学上最前沿的应用。完成了系统的学习，机器学习对我们不再神秘，并将成为我们自己的科研黑科技武器。
05
报名方式
主办单位：深圳华算科技有限公司（拥有VASP、Materials Studio、Gaussian、LAMMPS商业版权）
课程时间：12月13日-12月17日，全部课程4天。
培训形式：线上直播，提供回放视频，课程群永不解散，随时提问，及时解答。
课程费用：3980元，提供增值税普通发票及邀请函。请提前报名，我们会根据学员课前反馈，适当增加课程内容。老客户有优惠，请联系课程助教咨询。
报名方式：识别下方二维码报名，或者联系手机13128723011。
👇👇扫描二维码，立即报名👇👇06
缴费方式
1.银行转账汇款
收款单位：深圳华算科技有限公司
银行账号：758869652456
开户行：中国银行深圳西丽支行
注意：付款时请备注“姓名+单位+机器学习”
2.支付宝转账企业支付宝账户：hskj@v-suan.com请核对户名：深圳华算科技有限公司注意：付款时请备注“姓名+单位+机器学习”3.刷卡/扫码支付可通过公司微信收款码刷公务卡，请扫码填写报名信息以便我们提前为您准备发票等报销手续。划重点：请先添加课程客服微信报名再缴费！