ग्रीष्मकालीन स्कूल भूविज्ञान में मशीन लर्निंग का परिचय
University of Pisa Summer - Winter Schools & Foundation Course
महत्वपूर्ण जानकारी
परिसर स्थान
Pisa, इटली
भाषविद्र
अंग्रेज़ी
अध्ययन प्रारूप
दूरस्थ शिक्षा, परिसर में
अवधि
5 दिन
गति
पुरा समय
ट्यूशन शुल्क
EUR 500
आवेदन की आखरी तारीक
03 May 2024
सबसे पहले वाली तारिक
01 Jul 2024
परिचय
बड़ी संख्या में ऐसे अनुप्रयोग जिन्हें केवल कुछ साल पहले किसी भी प्रकार के मानव संपर्क के बिना निष्पादित करना असंभव माना जाता था, अब तेजी से अधिक शक्तिशाली मशीनों और परिष्कृत एल्गोरिदम द्वारा स्वायत्त रूप से निष्पादित किए जाते हैं। उपलब्ध डेटा की एक बड़ी मात्रा से फेड, मशीन लर्निंग एल्गोरिदम, स्पष्ट रूप से प्रोग्राम किए बिना, भाषण, चेहरे और वस्तु पहचान जैसे जटिल कार्यों को हल करने या खेलने के लिए और यहां तक कि गो के प्राचीन गेम में सर्वश्रेष्ठ मानव खिलाड़ियों को हराने के लिए सीख सकते हैं।
पृथ्वी विज्ञान से संबंधित विषयों सहित कई डेटा-गहन वैज्ञानिक क्षेत्रों में मशीन-लर्निंग एक आवश्यक कौशल बनता जा रहा है।
जियोसाइंसेज के कई क्षेत्रों में डेटासेट आकार और विविधता में असाधारण रूप से तेज दर से बढ़ रहे हैं, जो नई डेटा प्रोसेसिंग और एसिमिलेशन तकनीकों की आवश्यकता पर प्रकाश डालते हैं जो इस डेटा विस्फोट से प्राप्त जानकारी का फायदा उठाने में सक्षम हैं। मशीन-लर्निंग तकनीकों में भूविज्ञान के विभिन्न क्षेत्रों में उपयोग की जाने वाली डेटा विश्लेषण प्रक्रियाओं की कला को आगे बढ़ाने की क्षमता है। इस संदर्भ में, हम एक ग्रीष्मकालीन स्कूल का प्रस्ताव करते हैं जो भूभौतिकीय, भूवैज्ञानिक और पर्यावरणीय डेटा के लिए मशीन लर्निंग तकनीकों के उपयोग पर केंद्रित है।
स्कूल नीचे सूचीबद्ध विषयों को कवर करेगा। प्रत्येक विषय के साथ विशिष्ट व्यावहारिक सत्र होंगे, जो सामान्य भूभौतिकीय, भूवैज्ञानिक और पर्यावरणीय समस्याओं के समाधान पर केंद्रित होंगे।
उद्देश्य
इस ग्रीष्मकालीन स्कूल का उद्देश्य मुख्य मशीन सीखने के तरीकों और भूभौतिकीय, भूवैज्ञानिक और पर्यावरणीय डेटा के लिए उनके आवेदन का अवलोकन प्रदान करना है, और अधिक व्यावहारिक स्वाद रखना है।
पाठ्यक्रम के बाद छात्र भूविज्ञान पर लागू बुनियादी मशीन सीखने की तकनीकों का उपयोग करने में सक्षम होंगे। छात्र यह पहचानना सीखेंगे कि किसी विशेष डेटासेट के विश्लेषण के लिए और उपयोग किए गए मॉडल के प्रदर्शन का मूल्यांकन करने के लिए कौन सी एमएल विधि दूसरों की तुलना में अधिक उपयुक्त है। पाठ्यक्रम के बाद छात्र को मुख्य मशीन लर्निंग लाइब्रेरी (विशेष रूप से SciKit-Learn, Tensorflow और Keras) का अवलोकन भी होगा।
कार्यक्रम की तीव्रता | ईसीटीएस |
पूरा समय | 3 |
अवधि | आवेदन की समय सीमा |
3 - 7 जुलाई 2023 | 1 अप्रैल 2023 |
गेलरी
आदर्श छात्र
स्नातक छात्र, प्रारंभिक चरण के शोधकर्ता, पेशेवर।
दाखिले
कार्यक्रम ट्यूशन शुल्क
छात्रवृत्ति और अनुदान
फंडिंग
कृपया अधिक जानकारी के लिए समन्वयक को लिखें।
पाठ्यक्रम
स्कूल नीचे सूचीबद्ध विषयों को कवर करेगा। प्रत्येक विषय के साथ विशिष्ट व्यावहारिक सत्र होंगे, जो सामान्य भूभौतिकीय और भूवैज्ञानिक समस्याओं के समाधान पर केंद्रित होंगे।
परिचय
- पाठ्यक्रम और सामान्य मशीन लर्निंग अवधारणाओं का अवलोकन।
पर्यवेक्षित अध्ययन
- प्रतिगमन (रैखिक और गैर रेखीय प्रतिगमन तकनीक);
- वर्गीकरण (लॉजिस्टिक रिग्रेशन, के-नियरेस्ट नेबर्स और सपोर्ट वेक्टर मशीन)।
अनसुनी शिक्षा
- क्लस्टरिंग (के-मीन्स, पदानुक्रमित क्लस्टरिंग, डीबी-स्कैन);
- डेटा रिडक्शन (पीसीए और आईसीए)।
ध्यान लगा के पढ़ना या सीखना
- कृत्रिम तंत्रिका नेटवर्क पर मूल बातें (सक्रियण कार्य, बैक-प्रचार, प्रशिक्षण और अनुकूलन);
- छवि पहचान के लिए संवादात्मक तंत्रिका नेटवर्क;
- समय श्रृंखला विश्लेषण के लिए आवर्तक तंत्रिका नेटवर्क।