Nyári iskola: Bevezetés a gépi tanulásba a geotudományokban

Számos olyan alkalmazást, amelyet néhány évvel ezelőtt még lehetetlennek tartottak volna emberi beavatkozás nélkül, ma már önállóan hajtanak végre az egyre erősebb gépek és kifinomultabb algoritmusok. A hatalmas mennyiségű rendelkezésre álló adat által táplálva a gépi tanulási algoritmusok anélkül tanulhatnak meg bonyolult feladatokat, mint a beszéd-, arc- és tárgyfelismerés, vagy megjátszhatják, sőt legyőzhetik a legjobb emberi játékosokat az ősi Go játékban.

A gépi tanulás alapvető készséggé válik számos adatigényes tudományterületen, beleértve a Földtudományokhoz kapcsolódó tudományágakat is.

A geotudományok számos területén az adatkészletek mérete és változatossága rendkívül gyors ütemben növekszik, ami rávilágít arra, hogy új adatfeldolgozási és asszimilációs technikákra van szükség, amelyek képesek kihasználni az adatrobbanásból származó információkat. A gépi tanulási technikák képesek előmozdítani a geotudományok különböző területein használt adatelemzési eljárások legkorszerűbb szintjét. Ebben az összefüggésben egy nyári iskolát javasolunk, amely a gépi tanulási technikák geofizikai, geológiai és környezeti adatok felhasználására összpontosít.

Az iskola az alábbiakban felsorolt témákkal foglalkozik. Minden témát konkrét gyakorlati foglalkozások kísérnek, amelyek az általános geofizikai, geológiai és környezeti problémák megoldására irányulnak.

Cél

A nyári iskola célja, hogy áttekintést nyújtson a főbb gépi tanulási módszerekről és azok geofizikai, geológiai és környezeti adatokra való alkalmazásáról, megtartva a gyakorlatiasabb ízt.

A kurzus után a hallgató képes lesz a geotudományokban alkalmazott alapvető gépi tanulási technikák használatára. A hallgató megtanulja azonosítani, hogy melyik ML módszer alkalmasabb a többinél egy adott adathalmaz elemzésére, és megtanulja értékelni az alkalmazott modellek teljesítményét. A kurzus után a hallgató áttekintést kap a fő gépi tanulási könyvtárakról (különösen a SciKit-Learn, a Tensorflow és a Keras)

Végzős hallgatók, korai stádiumú kutatók, szakemberek.

Az iskola az alább felsorolt témákkal foglalkozik. Minden témát konkrét gyakorlati foglalkozások kísérnek, amelyek az általános geofizikai és geológiai problémák megoldására irányulnak.

Bevezetés

• A kurzus és az általános gépi tanulási koncepciók áttekintése.

Felügyelt tanulás

• Regresszió (lineáris és nemlineáris regressziós technikák);
• Osztályozás (logisztikai regresszió, K-közelebbi szomszédok és támogató vektorgépek).

Felügyelet nélküli tanulás

• Klaszterezés (k-means, Hierarchical Clustering, DB-Scan);
• Adatcsökkentés (PCA és ICA).

Mély tanulás

• Mesterséges neurális hálózatok alapjai (aktiválási funkció, visszaterjedés, képzés és optimalizálás);
• Konvolúciós neurális hálózatok képfelismeréshez;
• Ismétlődő neurális hálózatok idősor-elemzéshez.