Python是功能強大、免費、開源，實現面向對象的編程語言，在數據處理、科學計算、數學建模、數據挖掘和數據可視化方面具備優異的性能，這些優勢使得Python在氣象、海洋、地理、氣候、水文和生態等地學領域的科研和工程項目中得到廣泛應用。可以預見未來Python將成為的主流編程語言之一。
人工智能和大數據技術在許多行業都取得了顛覆式的成果，氣象和海洋領域擁有海量的模式和觀測數據，是大數據和人工智能應用的天然場景。Python也是當前進行機器學習和深度學習應用的最熱門語言。對於的氣象海洋領域的專業人員，Python是進行機器學習和深度學習工作的首選。
幫助氣象和海洋等地學領域的從業人員更加系統地學習Python在人工智能領域的應用，掌握Python實操基礎和機器學習與深度學習的理論基礎，並進一步實戰學習機器學習和深度學習在氣象領域的具體案例。
采用 “理論講解+動手實操+案例實戰”相結合的方式，深入淺出講解Python在氣象領域的人工智能應用。不僅能夠掌握Python編程技巧和機器學習和深度學習的相關經驗，更能夠將所學在專業領域進一步應用。
>>> Python 人 工 智 能 在 氣 象 中 的 應 用
【特色】：
1、原理深入淺出的講解；
2、技巧方法講解，提供所有案例數據及代碼；
3、與項目案例相結合講解實現方法，對接實際工作應用 ；
4、跟學上機操作、獨立完成案例操作練習、全程問題跟蹤解析；
5、專屬助學群輔助鞏固學習及實際工作應用交流，不定期召開線上答疑。
專題一 Python軟件的安裝及入門
Python入門和安裝
1.1 Python背景及其在氣象海洋中的應用
1.2 Anaconda解釋和安裝以及Jupyter配置
1.3 Python基礎語法
專題二 數據處理基礎庫
2.1 Numpy庫
2.2 Pandas庫
2.3 Scipy庫
2.4 matplotlib
2.5 常用數據格式的IO
專題三 人工智能理論和實操
3.1機器學習和深度學習基礎理論
3.1.1 AI簡介及其在氣象中的應用
3.1.2 機器學習基本理論
3.1.3 深度學習基本理論
3.2 sklearn和pytorch庫
3.2.1 sklearn介紹、常用功能和機器學習方法
3.3.2 pytorch介紹、搭建 模型
專題四 氣象領域中的機器學習應用實例
4.1 GFS數值模式的風速預報訂正
4.1.1 K近鄰和決策樹模型訂正風速
4.1.2 隨機森林挑選重要特征
4.1.3 梯度提升決策樹訂正風速
4.1.4 模型評估與對比
4.2 台風預報數據智能訂正
4.2.1 CMA台風預報數據集介紹以及預處理
4.2.2 隨機森林模型訂正台風預報
4.2.3 台風“煙花”預報效果檢驗
4.3 機器學習預測風電場的風功率
4.3.1 lightGBM模型預測風功率
4.3.2 調參利器—網格搜索GridSearch於K折驗證
專題五 氣象領域中的深度學習應用實例
5.1 深度學習預測淺水方程模式
5.1.1 數據介紹和獲取
5.1.2 深度神經網絡學習淺水方程
5.2 LSTM方法預測時間序列數據
5.2.1 LSTM方法原理介紹
5.2.2 LSTM方法預測氣象序列數據
5.3 深度學習convLSTM
5.3.1 時空預測convLSTM簡介
5.3.2 風場或雷達回波的預測
