机器学习作为一种兼顾开发效率以及开发成本的方法，已经逐渐应用于材料发现、结构分析、性质预测、反向设 计等多个领域，并且在材料学研究中展现出惊人的潜力。传统的发现新材料的方法，如经验试错法和基于密度泛 函理论(DFT)的方法，往往需要较长的研发周期，成本高、效率低，已经不能很好的适应如今需求量激增的材料 学领域。机器学习因其强大的数据处理能力和相对较低的研究门槛，能够有效地降低工业开发中的人力物力成 本，缩短研发周期。代替或配合传统的实验以及计算模拟，能够更加快速且准确的分析材料结构、预测材料性 质，从而更加有效的开发新的功能材料。机器学习已在材料、纳米材料设计、化学、生物、医药设计、量子化学 金属合金、环境等诸多领域得到广泛的发展，现有机器学习多为计算机方向，无法快速落地到材料方面等科学研 究。
掌握机器学习（ML）在材料研究中的应用，学习理论知识及熟悉代码实操，文章的复现，学会 anaconda、Python、pymatgen 等软件、以及机器学习数据采集及清洗、分子结构表示及提取、模型训练和 测试、性能评估及优化，KNN、线性回归方法，学会机器学习材料预测，材料分类，材料可视化，多种机器学 习方法综合预测等操作技能，独自完成自己的课题研究项目，助力发 Nature、Science、Angew、AdvancedMaterials、JACS、Nano Letters、ACS Catalysis、Joule、Matter、Energy Storage Materials 等顶刊文章。
详情点击下方链接（复制到浏览器打开）
https://mp.weixin.qq.com/s/IYh8rwhqXF4WdzSWJlIvUg
掌握机器学习（ML）在材料研究中的应用，学习理论知识及熟悉代码实操，文章的复现，学会 anaconda、Python、pymatgen 等软件、以及机器学习数据采集及清洗、分子结构表示及提取、模型训练和 测试、性能评估及优化，KNN、线性回归方法，学会机器学习材料预测，材料分类，材料可视化，多种机器学 习方法综合预测等操作技能，独自完成自己的课题研究项目，助力发 Nature、Science、Angew、AdvancedMaterials、JACS、Nano Letters、ACS Catalysis、Joule、Matter、Energy Storage Materials 等顶刊文章。
详情点击下方链接（复制到浏览器打开）
https://mp.weixin.qq.com/s/IYh8rwhqXF4WdzSWJlIvUg
