招生状态：招生中
课时安排：7周在线科研+5周在线论文指导
适合专业
对数学、统计学、数据科学、计算机科学、经济学、心理学感兴趣的学生；
具备微积分知识的申请者优先，学生需对R语言、MATLAB、Python或其他同类型一门编程语言有基础入门水平；
建议选修: 概率论与数理统计基础。
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
本项目将提供世界一流的概率论和统计学的现代介绍，将涵盖概率分布、期望、独立性、条件期望和马尔可夫链的基本概念，以及极大似然估计、置信区间和假设检验的概念。学生将在项目结束时，提交项目研究报告，进行成果展示。个性化研究课题参考：
线性回归中自相关问题在建模中的求解与研究
线性回归(房价预测模型)
基于一元线性回归的变形监测数据处理与分析
项目大纲
概率论初步：学生将在本周学习古典概型及条件概率等
离散随机变量及其分布
连续随机变量及其分布
线性估计与误差分析
假设检验与线性回归
项目回顾与成果展示
论文辅导
导师介绍
Patrick牛津大学终身教授
PaulPatrick教授现任牛津大学统计学系的终身教授，曾任教于耶鲁大学计算机科学系，拥有普林斯顿大学博士学位，荣获牛津大学杰出教学奖。
Patrick教授的研究研究兴趣集中在应用概率、统计学和计算机科学的交叉领域，聚焦于高维概率、统计和优化的基本原理，为机器学习和人工智能提供高计算效率、统计最优的算法。教授同时对图形建模以及蒙特卡洛模拟方法颇有研究，多个研究获得了业内的一致认可。
