招生状态：招生中
开课时间：2024-3-9
课时安排：7周在线科研+5周在线论文指导
适合专业
计算机科学、数据科学、数学、统计学相关专业的学生；学生需要具备线性代数及概率论与数理统计基础，至少会使用一门编程语言并修读过算法与数据结构，有机器学习项目开发经验的申请者优先；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》、《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周不限时论文指导学习
2. 项目报告
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
本项目将从基础的机器学习介绍开始，而后了解不同种类的回归模型并逐步深入到人工智能与数据科学的核心研究方向：深度学习。学生将在项目中将获得对机器学习的基本理论知识和实操技能，并在项目结束时，提交个性化研究课题的项目报告，进行成果展示。
个性化研究课题参考：
基于机器学习的Yelp评论数据分析
机器学习中的网络安全与隐私问题研究
数据科学中的伦理道德问题与公平性
线性回归模型的最佳适用领域及其局限性
项目大纲
人工智能、数据科学与机器学习算法概述
线性回归模型与数据预测：误差分析及函数优化
线性代数基础与多项式回归模型
逻辑回归与正则化
神经网络：反向传播算法
机器学习过程中的数据安全问题
项目回顾与成果展示
论文辅导
导师介绍
Vipul
卡内基梅隆大学（CMU）终身教授
Vipul导师现任卡内基梅隆大学CMU计算机科学系终身教授，曾任微软研究员，在学术领域硕果累累。他曾荣获2016年ACM计算机与通信安全会议（CCS）时间检验奖，并且位列2013年福布斯科学和医疗领域“30位30岁以下人物榜（30 under 30）”。
Vipul导师曾在《麻省理工科技评论》、Slashdot、《Nature》等热门科学刊物上发表多篇文章，受邀至麻省理工学院MIT、普林斯顿大学等高等学府发表演讲。也曾在Crypto、Eurocrypt和ACM CSS等会议的项目委员会任职，并且在Crypto、Eurocrypt、STOC、FOCS和ACM CCS等计算机科学顶级会议上发表技术论文80余篇，堪称同时代论文引用量最多的密码学家之一。
