本课适合哪些人学习：
电池/新能源材料研究生
企业研发工程师
仿真/实验背景想做数据建模的学员
你会得到什么：
（1） 电池寿命预测的本质：容量衰减、SOH 与 80%寿命。
（2） 工业/实验数据怎么进模型：配方、工艺、测试条件、循环曲线特征。
（3） 代码实操：pandas 清洗电池循环数据，构建 X 特征与 y 标签。
（4） XGBoost 寿命预测：输出 MAE/RMSE/R² 与预测-真实值图。
（5） SHAP 解释：找出影响寿命的关键配方/工艺因素。
（6） 案例讨论：如何辅助工艺参数调整、配方优化与课题转化。
课程介绍：
✓ 直播课要点 | |
（1） 电池寿命预测的本质：容量衰减、SOH 与 80%寿命。 （2） 工业/实验数据怎么进模型：配方、工艺、测试条件、循环曲线特征。 （3） 代码实操：pandas 清洗电池循环数据，构建 X 特征与 y 标签。 （4） XGBoost 寿命预测：输出 MAE/RMSE/R² 与预测-真实值图。 （5） SHAP 解释：找出影响寿命的关键配方/工艺因素。 （6） 案例讨论：如何辅助工艺参数调整、配方优化与课题转化。 | |
▣ 案例设置 | |
案例：锂离子电池循环寿命预测，不做材料筛选，聚焦宏观性能和工艺优化。 输入：正极配比、面密度、压实密度、N/P 比、化成电流/温度、循环倍率、测试温度、前 10 圈容量衰减特征。 目标：预测 500 圈容量保持率或达到 80%容量的循环寿命。 输出：预测-真实值图、误差指标、SHAP 解释图、工艺/配方优化建议表。 | |
♟ 主讲嘉宾 | |
主讲嘉宾：廖宇杰老师 方向：机器学习辅助新能源材料研发 / 电池数据建模 / 材料性能预测。 特色：零基础友好，少公式，多代码实操；把材料、工艺、测试数据转化为可复用的机器学习流程。 适合：电池/新能源材料研究生、企业研发工程师、仿真/实验背景想做数据建模的学员。 时间：7月9日 19:30。 | |
