فیلم مسترکلاس ریزمقیاس نمایی متغیرهای اقلیمی و پیش بینی آن ها در آینده به کمک پایتون

این دوره در ارتباط با ریزمقیاس نمایی متغیرهای اقلیمی و پیش بینی آن ها در آینده تهیه شده است. در این آموزش ابتدا معرفی کوتاهی پیرامون محیط برنامه نویسی پایتون در Jupyter Notebook و کدهای پرکاربرد آن ارائه شده و در گام های بعدی، ریزمقیاس نمایی متغیرهای اقلیمی، ارزیابی مدل با استفاده از رگرسورها و پیش بینی متغیرها، آموزش داده شده است.

استفاده از رگرسورهای یادگیری ماشین این امکان را فراهم نموده است تا علاوه بر نرم افزارهای تخصصی که جهت ریزمقیاس نمایی آماری وجود دارد، بازه زیادی از مدل ها با کیفیت های مختلف در اختیار متخصصین قرار گیرد.

قسمتی از تدریس مدرس:

معرفی مدرس

• امیر ابراهیمی
• دکتری تخصصی علوم و مهندسی محیط زیست
• دارنده مدرک کارشناسی ارشد از دانشگاه فردوسی مشهد
• دارنده مدرک کارشناسی از دانشگاه فردوسی مشهد
• مشارکت کننده در طرح Erasmus+ اتحادیه اروپا به عنوان دانشجوی پایلوت
• مدرس دانشگاه بیرجند
• عضو بنیاد ملی نخبگان ایران

عناوین آموزشی

عناوینی که در این آموزش به آن پرداخته شده شامل 12 بخش زیر است:

• بخش اول: معرفی زبان برنامه نویسی پایتون
• بخش دوم: آموزش دریافت و نصب Anaconda
• بخش سوم: معرفی کتابخانه ها و نصب و فراخوانی آن ها
• بخش چهارم: تعریف ماتریس
• بخش پنجم: معرفی کتابخانه های بصری
• بخش ششم: نحوه فراخوانی داده های اقلیمی
• بخش هفتم: محاسبه همبستگی بین داده ها
• بخش هشتم: معرفی رگرسورها و فراخوانی آن ها
• بخش نهم: اجرای رگرسورها و تعریف داده های آموزشی و تمرینی
• بخش دهم: محاسبه سنجه های ارزیابی رگرسور
• بخش یازدهم: فراخوانی داده های اقلیمی آینده و اجرای مدل پیش بینی
• بخش دوازدهم: خروجی گرفتن از داده های اقلیمی آینده

معرفی نرم افزار

در این وبینار، از فضای Jupyter Notebook در مجموعه نرم افزاری Anaconda استفاده شده است. این پلتفرم از ساده ترین پلتفرم های برنامه نویسی پایتون است که امروزه در محیط برنامه نویسی کاربرد فراوانی دارد. نرم افزارهای مختلفی نظیر SDSM و LARS-WG جهت ریزمقیاس نمایی آماری در اختیار محققین قرار دارند که محدودیت های خاص خود را دارند و از رگرسورهای محدودی جهت ریزمقیاس نمایی آماری استفاده می کنند.

محیط پایتون این اجازه را به کاربر می دهد که در انتخاب رگرسور، انتخاب های متفاوتی داشته باشد و پس از سنجش کیفیت ریزمقیاس نمایی با استفاده از سنجه های مختلف، با استفاده از داده های مشاهداتی و داده های مدل های جهانی، بتواند داده های اقلیمی را پیش بینی کند. لازم به ذکر است این نرم افزار محدودیت استفاده ندارد و به صورت رایگان از سایت تولیدکننده آن قابل دانلود و بروزرسانی است.

مخاطبان

مخاطبان این آموزش افرادی هستند که در زمینه آینده نگری عوامل محیطی خصوصا عوامل محیطی فعالیت می کنند. مراحل انجام ریزمقیاس نمایی در عین جامع بودن، ساده و در ارتباط با سایر پروژه های مربوط به رگرسیون داده ها نیز قابل استفاده است.