会议详情 |
2019-05-16 08:30 至 2019-05-20 18:00
50人
推荐会议:2024中国医药医疗CIO年会
发票类型:增值税专用发票 增值税普通发票
参会凭证:现场凭电话姓名参会
各企事业单位:
Python是功能强大、免费、开源,实现面向对象的编程语言,Python能够运行在Linux、Windows、Macintosh、AIX操作系统上及不同平台(x86和arm),Python简洁的语法和对动态输入的支持,再加上解释性语言的本质,使得它在大多数平台上的许多领域都是一个理想的脚本语言,特别适用于快速的应用程序开发。Python具有丰富和强大的库,能够把用其他语言制作的各种模块(尤其是C/C++)很轻松地联结在一起。除了Python标准库,几乎所有行业领域都有相应的Python软件库,随着NumPy、SciPy、Matplotlib和Pandas等众多Python应用程序库的开发,Python在科学和工程领域地位日益重要,在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面的优异性能使得Python在地球科学中地理、气象、气候变化、水文、生态、传感器等领域的学术研究和工程项目中得到广泛应用并高效解决各种数据分析问题,可以预见未来Python将成为科学和工程领域的主流程序设计语言。
本课程将从Python的基本使用方法开始,一步步讲解,从数据可视化到常见数据分析方法的使用,并结合相关学科具体实例,让学员能从中借鉴学习。现将有关事宜通知如下:
一、主办单位:
北京中科资环信息技术研究院
会议指定协办单位:
北京中科硕博研计算技术中心
二、时间地点:
2019年5月16日— 5月20日 武汉 (时间安排:第一天报到、授课四天)
三、会议目标:
1. 掌握Python基础、Python常用模块
2. 掌握科学计算-- NumPy和Scipy
3. 掌握强大高效的数据分析环境 (地学-水文-气象数据的处理学习Pandas和pycdo处理)
4. 掌握Python在地学-水文-气象数据的可视化- numpy、matplotlib和basemap
5. 掌握Python的数据挖掘 –scikit-learn
6. 掌握python机器学习在地学-气象-水文中的应用
7. 通过手把手的实操指导,掌握Python语言数据处理方法与编程技术
四、主讲专家:
主讲专家来自中科院所重点实验室:长期从事Python在地学领域数据挖掘、机器学习、区域气候变化、数值模式、地学统计等教学与应用。在地学水文气象大数据处理与分析、数据挖掘等领域中具有丰富的实践经验。
五、会议对象:
各省市、自治区从事地球物理空间物理、地球化学、气象、生态、环境、水文、海洋科学以及大地测量学相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生、硕士、博士等相关人员,以及广大python爱好者。
六、颁发证书:
参加会议的学员可以获得《Python编程工程师》专业技术会议证书。此证书作为个人学习和知识更新、专业技能提升、单位人才聘用的参考依据。注:办理证书提交资料:请学员提交电子版2寸蓝底证件照片,照片名称标记为:真实姓名+身份证号,报名同时提交给会务联系人。
中科资环是在资源、环境等相关领域信息技术不断地发展的背景下正式成立。中科资环现今与院校和科研机构以及相关研究团队建立长期稳定的合作关系,这是中科资环持续发展重要的基础,也很好的搭建了各单位的信息互通以及相关领域合作,中科资环研究团队为推动资源、生态、环境的信息化发展提供重要的基础保障。 中科资环主要致力于在资源、生态、环境等信息领域的软件系统研发、项目合作、技术咨询、技术推广以及国内外相关主导软件代理等。中科资环已经组建完成生物、(水、大气)环境、农业、3s技术等领域信息发展中心。为更好的服务于各单位,中科资环成立环境系统模拟事业部、以及教育中心。中科资环下设各中心聘请多位教授、研究员等成为各中心的长期顾问专家,大幅度提高了中科资环的科研实力。
课程内容简介:
一、Python语言中科学计算的基石——Numpy & Scipy | 本节通过多个案例讲述如何使用Python语言在地球科学进行科学计算。 |
案例场景: A、算数计算: 1、农业积温计算 2、极端气候指数(e.g. 高温指数、干天、湿天) 3、在中国范围使用格点化TRMM遥感降水数据统计降雨随高程变化规律 B、计算回归: 1、多种方法计算极端气候指数的趋势(最小二乘法、曲线拟合和线性回归) 2、基于MODIS积雪产品计算积雪变化趋势(e.g. 初雪日、终雪日和积雪面积) 3、在1km格网下分析GDP与人口、气候资源的关系 C、相关系数计算 1、 气候指数(e.g. nino34、NAO)与中国气温降水的相关关系 2、 全球海温(Hadsst)与中国气温降水的相关关系 | |
二、Python语言中数据处理的利器——Pandas | 本节通过多个案例讲述如何将零碎的科研工作中的数据(观测数据、模式数据)整理为结构数据(可供模型输入和统计分析的数据) |
案例场景: A、模型输入 1、使用格点化的数据为SWAT水文模型制作驱动数据(excel格式) 2、为生态模型制作数据输入(Fortran的固定格式输入) B、数据库操作 1、整理全国大气环境监测数据(e.g. AQI、NOX、SOX、PM2.5) 2、如何使用由气象共享网下载的数据? C、数据的统计 1、分类汇总功能,将数据按照标签(如时间,日数据统计为月数据等)进行统计。 | |
三、Python语言中机器学习的瑞士军刀——scikit-learn | 本节通过多个案例讲述如何使用Python语言在地球科学解决预测和分类问题。 |
A、数据清洗 1、缺失数据的处理(树模型方法) 2、异常值的检测 3、随机采样 4、数据的离散化和分箱 B、分类问题(非监督与监督学习) 1、精细化农业区划 2、在1980~2015年多期遥感影像农田面积如何变化? 3、泥石流灾害是在什么样的地形地貌和气候条件下发生? C、回归问题 1、城市AQI环境指数的预测 2、土壤湿度的预测 3、典型植物物候开花期预测 |
报名费用:3900元(报名费、会议费、资料费、午餐费)住宿可统一预订,费用自理。
发票开具类型:会议费、配有相应的会议红头文件。
相关会议
2024-12-27上海
2025-05-16上海