开始日期: 2024-01-06
课时安排: 7周在线小组科研学习+5周不限时论文指导学习
适合人群
适合年级 (Grade): 高中生/大学生
适合专业 (Major): 希望修读商业分析、金融等专业或者对Python机器学习在商业分析中的应用感兴趣的学生
学生必须具备线性代数及概率论与数理统计基础，必须会使用Python八大基础语句;有商业数据分析经验的申请者优先
导师介绍
Patrick
牛津大学 University of Oxford终身正教授
Patrick 导师现任牛津大学统计学系的终身正教授，荣获牛津大学杰出教学奖，毕业于普林斯顿大学运筹学与金融工程博士学位。之后，Patrick 加入了耶鲁大学的耶鲁网络科学研究所。并在电子工程系做了两年的博士后，任教于耶鲁大学计算机科学系。
Patrick 导师的多个研究获得了业内的一致认可。2016-2019年间，导师负责的项目：“Locality in Network Optimization”获得了美国国家科学基金会$450,000.00的奖金。导师经常受邀参加顶级的全球计算机和统计专业的学术会议和论坛并发表讲座。例如2021年的International Conference on Artificial Intelligence and Statistics (AISTATS) 人工智能与统计国际会议和2020年的Neural Information Processing Systems 神经信息处理系统国际峰会的讲座，并在业内引起了强烈的反响和热议。导师的学术成果也多次出现在顶级期刊和IEEE论文中，例如全球知名的机器学习期刊《Journal of Machine Learning Research》和《IEEE Transactions on Control of Network Systems》等。导师更是受邀为各所顶级世界名校的专业研讨讨论发表演讲，例如2020年Bernoulli-IMS One World Symposium世界研讨会和美国布朗大学，斯坦福大学的相关专业讲座。导师也凭借自身突出的研究成果，组织了多个专业论坛和研讨会，包括今年举办的第35届“Conference on Learning Theory”，导师作为区域主席组织了该论坛的活动。 Patrick 导师是多个IEEE论文的审稿人，也是多个科研机构的成员，包括Institute of Mathematical Statistics (IMS)、Bernoulli Society和European Laboratory for Learning & Intelligent Systems (ELLIS)。
他的研究兴趣集中在概率论、统计学和计算机科学。对高维概率、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、统计最优的算法感兴趣。
Dr. Patrick is a Professor of Statistics and Machine Learning at the University of Oxford and holds a Ph.D. in Operations Research and Financial Engineering from Princeton University. After that, he joined the Yale Institute for Network Science at Yale University. He worked two years as a Postdoctoral Associate in the Electrical Engineering Department and was a lecturer in the Computer Science department at Yale University.
Multiple studies by Patrick have received unanimous recognition in the industry. “Locality in Network Optimization” received a $450,000.00 grant from the National Science Foundation (NSF) in 2016-2019. Patrick is often invited to attend and give lectures at top global computer and statistics conferences and forums. With his outstanding research achievements, he has also organized several professional forums and seminars, including the 35th “Conference on Learning Theory” held this year, for which Patrick organized this activity as the regional chairman.
His research interests lie at the intersection of probability, statistics, and computer science, and he is interested in the investigation of fundamental principles in high-dimensional probability, statistics and optimization to design computationally efficient and statistically optimal algorithms for machine learning.
任职学校
牛津大学是英语世界中最古老的大学，也是世界上现存第二古老的高等教育机构。牛津大学是一所公立研究型大学，采用传统学院制。它是罗素大学集团成员，被誉为“金三角名校”和“G5”。该校涌现了一批引领时代的科学巨匠，培养了大量开创纪元的艺术大师、国家元首，其中包括28位英国首相(其中13位来自基督教堂学院)及数十位世界各国元首、政商界领袖。牛津大学在数学、物理、医学、法学、商学等多个领域拥有崇高的学术地位及广泛的影响力，被公认为是当今世界最顶尖的高等教育机构之一。从1902年起，牛津大学还设立了面向全世界本科生的“罗德奖学金”。截止至2019年3月，牛津大学的校友、教授及研究人员中，共有72位诺贝尔奖得主(世界第九)、3位菲尔兹奖得主(世界第二十)、6位图灵奖得主(世界第九)。2021-2022年度，牛津大学位列泰晤士高等教育世界大学排名第1，QS世界大学排名第2 ，U.S. News世界大学排名第5，软科世界大学学术排名第7。特别的是，牛津大学于2017-2021年连续五年在泰晤士高等教育世界大学排名荣膺世界第1。
项目背景
人工智能在围棋、象棋、德扑等领域都已经取得了碾压式胜利，这已经是一个不争的事实。事实上人工智能已经可以用于任何需要理解复杂模式、进行长期计划、并制定决策的领域。人们不禁想问，还有什么是人工智能不能克服的吗?譬如说，变幻莫测的A股?如果将股市的价格变化看做一个随时间变化的序列，我们往往会发现，即使建立了符合股价变化的这样的模型，并且在有足够多的训练数据的情况下模拟出了股价，但是这些模型最多只能在特定的区间能做一些并不十分精准的预测。换句话说就是可以预测但不能精准预测。事实上影响股价的因素不仅仅是历史股价，还有更多的因素，公司的近况，股民对股票的态度，政策的影响等等。所以许多人从这方面进行入手，用人工智能提供的快速计算能力，使用合适的模型，来量化这些因素。当你的模型将所有的因素全都考虑进来,那么股价的预测就唾手可得了。随着人工智能技术的持续进步，人工智能投资成为被学术界和资本看好的领域。英国布里斯托尔大学教授克里斯蒂亚尼尼说，股票投资是十大最有可能被人工智能改变的行业之一。
项目介绍
2017年，摩根大通发布了一份题为《大数据与人工智能战略：机器学习和其它投资数据分析方法》的报告，对机器学习对金融领域的影响进行了全面的阐述，昭示着机器学习已经敲开金融领域和商业数据分析的大门。机器学习是什么?如何与商业分析相结合?项目将通过介绍两种非常实用的商业分析工具，即Python编程语言和机器学习工具包，帮助学生厘清上述问题的答案。学生将着重了解机器学习在商业分析股市预测中的应用，利用机器学习分析市场数据解决商业问题。该项目内容包括机器学习与数据科学概论、商业分析中市场数据处理的机器学习技术与算法、Python与Jupiter notebooks交互式学习、机器学习库、股市预测等。学生将在项目中学习如何使用机器学习完成商业市场数据分析，进行股市预测，在项目结束时，提交项目报告，进行成果展示。
In 2017, JPMorgan Chase released a report entitled "Big Data and AI Strategies: Machine Learning and Alternative Data Approach to Investing, which comprehensively elaborated the impact of machine learning on the financial sector, showing that machine learning has been introduced into the financial sector and business data analysis. What is machine learning? How to integrate it with business analysis? The program will help students clarify the answers to the above questions by introducing two useful business analysis tools, the Python programming language, and the machine learning toolkit. Students will focus on the application of machine learning in business analysis and stock market forecast, and use machine learning to analyze market data to solve business problems.
The program covers an introduction to machine learning and data science, machine learning techniques and algorithms on market data processing in business analysis, interactive learning with Python and Jupiter notebooks, libraries for machine learning, and predicting the stock market. During the program, students will learn how to use machine learning to complete market data analysis, predict the stock market, and at the end of the program, submit a project report and present the results.
项目大纲
机器学习与数据科学概论 Machine learning and data science
商业分析中市场数据处理的机器学习技术与算法 Techniques and algorithms (linear models, random trees, random forests, boosting, kernel methods, deep learning, etc) on real-world market data processing
Python与Jupiter notebooks交互式学习 Python and Jupiter notebooks for interactive learning
机器学习库 Libraries for machine learning
股市预测 Machine learning on predicting the stock market
项目回顾与成果展示 Program Review and Presentation
论文辅导 Project Deliverables Tutoring
项目收获
7周在线小组科研学习+5周不限时论文指导学习 共125课时
项目报告
优秀学员获主导师Reference Letter
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)
结业证书
成绩单
