Cursus Oceaanvoorspelling met Machine Learning

Deze korte cursus combineert data en kunstmatige intelligentie voor oceaanvoorspelling. Je onderscheidt fysische, statistische en machinelearningbenaderingen en voorspellingshorizonnen, bereidt boei- en satellietdata voor met schuivende vensters, feature engineering, temporele splitsingen, normalisatie en ontbrekende waarden, en traint lineaire regressie met regularisatie, beslisbomen, random forests en gradient boosting met afstemming van hyperparameters en het belang van kenmerken. Daarna pas je dense, recurrente, LSTM- en convolutionele neurale netwerken toe, corrigeer je de uitvoer van numerieke modellen, maak je probabilistische voorspellingen en valideer je die met fout- en skillmaten ten opzichte van referentievoorspellingen, inclusief extreme gebeurtenissen.

Wat deze cursus onderscheidt: een praktische aanpak met modellen die zijn getraind op open oceaandata; een eerlijke vergelijking van de resultaten met fysische referentievoorspellingen; grondige validatie met maten en schema's die geschikt zijn voor tijdreeksen; open hulpmiddelen zoals Python, scikit-learn en deeplearningbibliotheken; en een praktijkcase waarin je een voorspellingsmodel bouwt voor een echte variabele en locatie.