招生状态:招生中
课时安排:4周在线小组科研+2周论文辅导,教授全程参与
适合专业
计算机科学、计算机工程、数据科学、数据处理、机器学习、深度学习等专业或对上述专业感兴趣的学生。
学生需要具备微积分或线性代数基础,熟练使用Python进行数据处理。
项目收获
1. 4周在线小组科研学习+2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
项目旨在全面介绍机器学习和数据科学领域中的丰富算法及应用,课程中将涵盖机器学习的两个主要类别,逐步指导学生学习算法,从动机到理论,到最后用Python编程实现。我们可以把这门课作为一个简单的超过的机器学习的观点。
学生将在项目结束时,自选框架和问题,使用Python开发机器学习应用,提交项目个性化研究课题报告,进行成果展示。
项目大纲
机器学习中的数学理论:向量微积分、线性代数与概率论
回归模型及其优化方法
分类模型
神经网络架构与反向传播算法
非监督式学习与大数据降维
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
论文指导
导师介绍
Mark麻省理工学院(MIT)终身教授
Mark导师现任麻省理工学院(MIT)终身教授,曾获素有“诺贝尔风向标”美誉的美国斯隆研究奖、国际最具声望的博士后奖励Hubble Fellow,并在多个年份获得Web of Science高被引学者称号。
Mark导师的研究兴趣聚焦机器学习、数据科学、人工智能、天体物理,善于利用高性能超级计算机强大的数据处理能力进行数值模拟,训练机器学习和深度学习模型,借助机器学习与数据科学技术分析模拟数据。