Sekolah Musim Panas Pengantar Pembelajaran Mesin di Geosains University of Pisa Summer - Winter Schools & Foundation Course

Sejumlah besar aplikasi yang hanya beberapa tahun yang lalu dianggap tidak mungkin dilakukan tanpa interaksi manusia apa pun, sekarang dijalankan secara mandiri oleh mesin yang semakin kuat dan algoritma yang canggih. Didukung oleh sejumlah besar data yang tersedia, algoritme pembelajaran mesin dapat belajar, tanpa diprogram secara eksplisit, untuk menyelesaikan tugas-tugas kompleks seperti pengenalan ucapan, wajah, dan objek atau untuk bermain dan bahkan mengalahkan pemain manusia terbaik di game kuno Go.

Pembelajaran mesin menjadi keterampilan penting di banyak bidang ilmiah intensif data, termasuk disiplin ilmu terkait Ilmu Bumi.

Di banyak bidang, kumpulan data Geosains tumbuh dalam ukuran dan variasi dengan kecepatan yang sangat cepat, menyoroti kebutuhan untuk pemrosesan data baru dan teknik asimilasi yang mampu memanfaatkan informasi yang berasal dari ledakan data ini. Teknik pembelajaran mesin memiliki potensi untuk mendorong kemajuan prosedur analisis data yang digunakan di berbagai bidang Geosains. Dalam konteks ini, kami mengusulkan sekolah musim panas yang berfokus pada penggunaan teknik Pembelajaran Mesin untuk data geofisika, geologi, dan lingkungan.

Sekolah akan membahas topik yang tercantum di bawah ini. Setiap topik akan disertai dengan sesi praktis khusus, yang berfokus pada solusi masalah geofisika, geologi, dan lingkungan secara umum.

Tujuan

Sekolah musim panas ini bertujuan untuk memberikan ikhtisar tentang metode pembelajaran mesin utama dan penerapannya pada data geofisika, geologi, dan lingkungan, dengan tetap mempertahankan cita rasa yang lebih praktis.

Setelah kursus, siswa akan dapat menggunakan teknik pembelajaran mesin dasar yang diterapkan pada geosains. Siswa akan belajar mengidentifikasi metode ML mana yang lebih cocok daripada yang lain untuk analisis kumpulan data tertentu dan untuk mengevaluasi kinerja model yang digunakan. Setelah kursus, siswa juga akan mendapatkan gambaran umum tentang library Machine Learning utama (khususnya SciKit-Learn, Tensorflow, dan Keras)

Mahasiswa Pascasarjana, Peneliti Tahap Awal, Profesional.