CyberTraining: Implementation: Medium: Machine Learning Training and Curriculum Development for Earth Science Studies

网络培训：实施：媒介：地球科学研究的机器学习培训和课程开发

基本信息

批准号：
2117834
负责人：
Nicoleta Cristea
金额：
$ 99.58万
依托单位：
University of Washington
依托单位国家：
美国
项目类别：
Standard Grant
财政年份：
2021
资助国家：
美国
起止时间：
2021-09-01 至 2024-08-31
项目状态：
已结题

来源：
https://www.nsf.gov/awardsearch/showAward?AWD_ID=2117834&HistoricalAwards=false
关键词：
CyberTraining Implementation Medium Machine Learning

项目摘要

Earth system science discoveries are increasingly affected by data management, analysis, and inference using powerful machine learning (ML) techniques. Yet, the skills required to perform these tasks, and training in cutting-edge, open-source technologies to build ML models and pipelines, big data, and cloud computing, are not covered by the traditional graduate curriculum in the geosciences. To fill these gaps, this project will develop the GeoScience MAchine Learning Resources and Training (GeoSMART) framework that will build a foundation in open-source scientific ecosystems and general ML theory, toolkits, and deployment on Cloud computing platforms. This project will include a team of geoscience and ML educators to create a novel ML curriculum with focus on seismology, cryosphere and hydrology applications. The training materials will be included in an enhanced curriculum that will broaden impact on emerging ML communities. The project’s implementation plan will provide training in open-source ML toolkits and data science skills. Further, the project will cultivate the development of discipline-specific ML libraries, workflows, and communities of practice to sustain future growth of ML cybertraining opportunities. By building tools using open-source and cloud-accessible platforms, and by partnering with colleges and institutions that lack computing resources for ML workflows, the project will increase access to cybertraining materials and help to solve geoscience challenges.This award reflects NSF's statutory mission and has been deemed worthy of support through evaluation using the Foundation's intellectual merit and broader impacts review criteria.

使用强大的机器学习（ML）技术，地球系统科学发现越来越受数据管理，分析和推理的影响。然而，执行这些任务所需的技能以及在尖端的开源技术中培训以构建ML模型和管道，大数据和云计算的技能，在Geosciences的传统研究生课程中没有涵盖。为了填补这些空白，该项目将开发地球科学的学习资源和培训（Geosmart）框架，该框架将在开源科学生态系统以及一般ML理论，工具包，工具包和云计算平台上的部署中建立基础。该项目将包括一个地球科学和ML教育者团队，以创建一个新颖的ML课程，重点是地震学，冰冻圈和水文学应用。培训材料将包括在增强的课程中，该课程将扩大对新兴ML社区的影响。该项目的实施计划将提供开源ML工具包和数据科学技能的培训。此外，该项目将培养特定于学科的ML图书馆，工作流程和实践社区的发展，以维持ML网络培养机会的未来增长。通过使用开源和云访问平台构建工具，并与缺乏ML工作流程计算资源的大学和机构合作，该项目将增加获得网络培养材料的访问权限，并有助于解决地球科学挑战。该奖项反映了NSF的法定任务，并通过使用基础的智力来评估了Crrit和Sparrit和Sparrit和Sparrit和SparriT和Broadia crcriit and crowia crcrit和sprodIt and crowia and cromit and crowia crcrit and crowia crcritia cromit and crowia crcrit and crowia crcrit crcrit and crowia shrows crowia均可表现出来。

项目成果

期刊论文数量（5）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

GStatSim V1.0: a Python package for geostatistical interpolation and conditional simulation

GStatSim V1.0：用于地统计插值和条件模拟的 Python 包

DOI：
10.5194/gmd-16-3765-2023
发表时间：
2023
期刊：
Geoscientific Model Development
影响因子：
5.1
作者：
MacKie, Emma J.;Field, Michael;Wang, Lijing;Yin, Zhen;Schoedl, Nathan;Hibbs, Matthew;Zhang, Allan
通讯作者：
Zhang, Allan

A review of Earth Artificial Intelligence

DOI：
10.1016/j.cageo.2022.105034
发表时间：
2022-01-11
期刊：
COMPUTERS & GEOSCIENCES
影响因子：
4.4
作者：
Sun, Ziheng;Sandoval, Laura;John, Aji
通讯作者：
John, Aji

A Review of Practical AI for Remote Sensing in Earth Sciences

DOI：
10.3390/rs15164112
发表时间：
2023-08-01
期刊：
REMOTE SENSING
影响因子：
5
作者：
Janga，Bhargavi;Asamani，Gokul Prathin;Cristea，Nicoleta
通讯作者：
Cristea，Nicoleta

High-Resolution Snow-Covered Area Mapping in Forested Mountain Ecosystems Using PlanetScope Imagery

DOI：
10.3390/rs14143409
发表时间：
2022-07
期刊：
Remote. Sens.
影响因子：
0
作者：
Aji John;A. Cannistra;Kehan Yang;Amanda Tan;D. Shean;J. R. Lambers;N. Cristea
通讯作者：
Aji John;A. Cannistra;Kehan Yang;Amanda Tan;D. Shean;J. R. Lambers;N. Cristea

High-resolution mapping of snow cover in montane meadows and forests using Planet imagery and machine learning

DOI：
10.3389/frwa.2023.1128758
发表时间：
2023-06
期刊：
影响因子：
0
作者：
Kehan Yang;Aji John;D. Shean;J. Lundquist;Ziheng Sun;Fangfang Yao;Stefan Todoran;N. Cristea
通讯作者：
Kehan Yang;Aji John;D. Shean;J. Lundquist;Ziheng Sun;Fangfang Yao;Stefan Todoran;N. Cristea