Datawhale AI夏令营Task 1.1 从零入门 AI for Science（AI+气象）笔记

宇宙级安全申明：博主本人仅有c/c++基础，无python、AI相关基础，参考了群内佬与助教的回答，如有错误还请多多指正

机器学习part

• 监督学习：使用带标签的数据进行训练，包含输入与期望的输出

• 无监督学习

• 半监督学习：无监督与监督结合体，通过未标记数据提高模型泛化能力，减少对大量标记数据的依赖

              极端降水预测中使用历史数据进行训练，有标签，为监督学习

pytorch初步了解

• PyTorch是由Meta AI(Facebook)人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的深度学习库

• baseline中构建数据集的类Dataset、数据加载类的Dataloader、定义模型的类Model均由pytorch构建

赛题理解

• 降水预测模型为时间序列预测模型（构建一个全时段可用的时间序列函数, 根据输入可以精准的得到目的的输出）

• 模型搭建：建立feature和groundtruth之间的关系，尽可能找到一个最好拟合降水预测过程的函数（通过pytorch搭建神经网络），在测试数据上验证模型的效果

• 改进方法：1.使用更多特征与数据2.优化模型（看佬们的回答看花眼，我还是慢慢学吧qwq）

结尾：目前就照猫画虎跑了个baseline，陌生的知识太多了，能学到多少是多少，fighting！