学习资源 | NOAA连接AI与环境科学(八)—机器学习工具与实践

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. 我的神经网络学习了哪些策略？
2. ClimateNet：一个专家标记的开放数据集和深度学习架构，用于实现对极端天气的高精度分析。
3. 地球系统科学人工智能编程马拉松，挑战问题和经验教训。
4. "人工智能促进科学 "计划在荷兰阿贡举行。

资源获取

第8期的视频及PPT资料获取，后台回复NOAA8

Cartopy高阶指南

Python-matplotlib 学术型散点图绘制

课程资源 | NCAR地球系统模式课程全部视频及PPT资源