环境数据分析与机器学习

课程编码：280223083000P1006 英文名称：Environmental Data Analysis and Machine Learning 课时：50 学分：2.50 课程属性：学科核心课 主讲教师：尧一骏等

作为一门研究方法学课程，本课程是环境科学与工程一级学科学术学位研究生培养的所级专业课，适合对人工智能环境应用感兴趣的资源与环境（环境工程）专业学位研究生选修。课程含有实践环节，拟通过讲授典型的机器学习方法及其在环境数据挖掘中的应用，并配合必要的Python编程操作、算法实现和环境应用案例再现，结合环境大数据深度学习最新进展分析，提升学生在环境数据科学描述、规律挖掘和学习模型建立等方面的能力，使其具备从事环境科研、环境工程专业技术支撑及管理工作应有的机器学习和数据挖掘知识与实践技能。

概率论与数理统计等相关课程。

第一章 绪论 2学时 尧一骏
第1节 环境问题中的数据分析和特征学习
第2节 机器学习环境应用的现状与未来
第3节 课程基本信息与要求
第二章 机器学习方法基本概念和模型评估 4学时 尧一骏
第1节 基本概念与统计学基础
第2节 机器学习方法分类与模型选择原则
第3节 模型训练和性能评估
第三章 有监督学习及其环境应用
第1节 数据的均衡性和采样方法 8学时 赵永存
第2节 典型的有监督学习算法与实现 7学时 赵永存
第3节 环境应用示例与复现 7学时 尧一骏
第四章 无监督学习及其环境应用 10学时 尧一骏
第1节 聚类、降维与特征提取
第2节 典型的无监督学习算法与实现
第3节 环境应用示例与复现
第五章 强化学习及其环境应用 10学时 尧一骏
第1节 机器学习中的奖惩机制
第2节 典型强化学习算法与实现
第3节 应用示例与复现
第六章 分组实战汇报 2学时 尧一骏
第1节 分组实战汇报

尧一骏，男，博士，研究员。研究方向为大数据与人工智能技术在资源环境领域的应用，重点开展土壤环境污染调查与风险评估的理论研究、实验验证、模型模拟以及相关软件的开发与推广，揭示了典型污染物在大尺度土壤和地下水环境中的分布、趋势及成因，并评估了典型污染物对中国人群健康的地理影响。近年来，主持多项自然科学基金和横向项目，在Nature、Nat. Sustain.、Environ. Sci. Technol.、Water Res.、Water Resour. Res.等学术期刊发表SCI论文逾60篇。此外，开发的多层次健康风险评估软件《污染场地风险评估电子获表格》下载次数超过26,000次。曾获中国土壤学会优秀青年学者奖、江苏省双创人才、北京市科技进步二等奖、环境保护科学技术二等奖和环境技术进步一等奖等多项荣誉。
赵永存，男，博士，南京土壤研究所研究员，土壤资源与遥感应用研究室副主任。1999、2002年在沈阳农业大学分别获学士和硕士学位，2005年于中科院南京土壤研究所获博士学位，同年留所工作至今。荣获2005年度中科院院长优秀奖和2006年度江苏省优秀博士学位论。2010-2014年任《生态学杂志》编委，2014年起任中国自然资源学会理事。长期从事土壤空间变异性、土壤属性数字制图、农田土壤有机碳动态模拟、固碳潜力估算及不确定性评价等方面的研究工作。曾赴德国、美国、泰国、越南、意大利等国家开展学术交流及合作研究。发表论文60篇，其中SCI论文31篇。