招生状态:招生中
开课时间:2024-6-22
课时安排:7周在线小组科研+5周论文辅导,教授全程参与
适合专业
计算机科学、数据科学、人工智能、机器学习专业或对以上专业感兴趣的学生。学生需要具备微积分及线性代数基础,至少会熟练使用一门编程语言,修读过算法与数据结构的申请者优先。建议选修: Python编程与数据处理。
项目收获
1. 7周在线小组科研学习+5周论文指导学习 共125课时
2. 学术报告
3. 优秀学员获主导师Reference Letter
4. EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导(可用于申请)
5. 结业证书
6. 成绩单
项目介绍
本项目将带领学生详细了解机器学习的主要方法和当前的研究方向,涵盖机器学习中的不同算法的分析与对比。项目在讨论至今仍有效的如决策树的经典算法外,还将讨论以深度学习为例的改变了机器学习领域的新技术。
学生还将接触到现实世界中的问题,在这些问题中,将使用机器学习或深度学习中的各种工具给出和分析样本数据,以及用Python及其中的深度学习框架实现所学算法的实践。
个性化研究课题参考:
欺骗性、重复性的广告检测算法研究
针对用户搜索记录的酒店推荐算法
根据网约车当前运行轨迹,预测本次行程时间的算法开发
预测土壤的物理化学成分
项目大纲
概率论与统计学理论回顾
监督式机器学习:分类及回归模型
非监督式机器学习:聚类及数据降维深度学习与神经网络主流深度学习框架介绍
学术研讨1:教授与各组学生探讨并评估个性化研究课题可行性,帮助学生明晰后续科研思路
学术研讨2:学生将在本周课前完成程序设计原型(prototype)及伪代码(Pseudocode),教授将根据各组进度进行个性化指导,确保学生优质的终期课题产出
项目成果展示
论文辅导
导师介绍
Shlomo卡内基梅隆大学终身正教授
Shlomo教授曾在魏茨曼科学研究所攻读博士学位。之后移居美国,并在位于美国宇航局兰利研究中心的ICASE(科学与工程计算机应用研究所)工作。从1994年起任职于卡内基梅隆大学,研究方向包括解决流体动力学方程和处理大规模优化的相关问题。