学习资源 | 来自NOAA的AI与环境科学学习资源（七）

背景动机

AI，机器学习/深度学习技术（包括深层神经网络，DNN）在许多领域和应用中取得了很大的进展，包括医药、自动驾驶、社交媒体、金融工业等。在私有领域，人工智能的准确性和可用性方面的惊人增长具有显著意义。人工智能在气象学和海洋学领域也取得了显著的进展。然而，直到最近，在环境科学领域只有很少的AI应用开发工作。 令人鼓舞的是，AI在这些领域的应用在不断增加，而且取得了令人鼓舞的结果，其中包括预测技能。随着卫星数据的不断增加以及社会依赖的增加，将会持续改善预报准确率和精度。来自高分辨率卫星和传感器，一系列新传感器，以及物联网背景下新观测设备的数据不断增加。这些数据的增加将给这些数据的应用带来极大的挑战，AI已经成为潜在的解决技术。

主要内容

1. 人工智能用于高影响天气预测
2. 用于模型误差推断和修正的机器学习
3. 集合振荡校正(EnOC):利用振荡模式改善混沌系统的预测
4. 机器学习的敏感损失函数

资源获取

第七期的视频及PPT资料获取，后台回复NOAA7

python教程 | 最标准的地图调用方式（国家测绘局提供数据）

Python干货 | 遥感影像拼接

因为配图，SCI多次返修！？因为你还没发现这个Python科学绘图宝藏工具包