降水预测模型搭建教程笔记task1#AI夏令营 #Datawhale #夏令营

一、课程引入
通过介绍天气预报、降水预测等场景可以利用数据分析和深度学习实现精准预测，激发学习兴趣，开启本次课程。

二、机器学习与深度学习

1. 机器学习
   • 定义：人工智能的分支，使计算机利用数据改进性能，无需明确编程。
   • 通俗理解：像学生通过教材学习，在考试或实践中取得好成绩。
   • 核心思想：通过算法和统计模型，从经验中学习，识别模式，做出预测或决策。
   • 分类：监督学习（从标记的训练数据中学习）、无监督学习（处理未标记数据找结构和模式）。
   • 任务分类：根据输出是否离散，分为分类与回归。
2. 深度学习
   • 是机器学习中神经网络算法的进阶版，通过模拟人脑神经元信息传递，层数更深，对大规模数据有更好学习效果。

三、PyTorch 介绍

1. 是由 Meta AI（Facebook）开发的基于 Lua 编写的 Torch 库的 Python 实现的深度学习库，广泛应用于学术界和工业界。
2. 重要工具类：Dataset（构建数据集）、Dataloader（数据加载）、Model（定义模型）。
3. 优势：可自由构建模型和数据集，方便尝试网络模型和优化方法，减少重复编程；对 GPU 硬件支持好，能加速模型训练。

四、降水预测模型