招生状态：招生中
开课时间：2024-02-03
课时安排：7周在线小组科研+5周论文辅导，教授全程参与
适合人群
适合对计算机科学、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。建议预修专业基础课程：《Python编程与数据处理》、《机器学习的数学基础：线性代数》、《高等数学微积分与应用》
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多种前沿算法及其应用，课程中将逐步指导学生学习机器学习的两个主要类别——分类与聚类，内容涵盖初始研发动机与数学理论，并最后用Python编程实现。
学生将在项目结束时，自选如Tensorflow/Pytorch/Pycharm等主流框架中其一和实际生活生产中的待优化问题，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。
