开始日期: 2024-09-07
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): 希望修读计算机、数据科学、商业分析、金融工程等专业或者对Python机器学习在金融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，至少会使用一门编程语言并修读过算法与数据结构，有商业数据分析经验的申请者优先;
建议选修: Python数据处理及其数学原理
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。
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
人工智能已经可以应用与任何需要理解复杂模式、进行长期计划、并制定决策的领域。在金融领域，人工智能的应用了也引起了广泛的关注和研究。我们可以预测股票市场吗?虽然股价的预测是一个复杂且具有挑战性的问题，但人工智能技术提供了一些工具和方法来处理这个问题，比如运用机器学习算法利用历史股价数据和其他相关因素来构建预测模型、应用深度学习模型研究时间序列数据中的复杂模式和依赖关系、 应用增强学习算法来优化交易策略、以及通过人工智能进行新闻舆论挖掘和市场参与者的情绪分析等。 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
机器学习是什么?如何与商业分析、股价预测相结合?本项目介绍并探讨了各种机器学习算法，深入介绍应用统计学习、python和金融应用。项目中，导师将介绍统计学习中的主要思想和算法(例如线性模型、随机树、随机森林、增强、核方法、深度学习)，以及如何在数据分析和机器学习中使用必要的库和加速Python代码的技术。学生将学习如何将定制的机器学习和Python应用于金融应用程序，通过Jupiter笔记本电脑进行交互式学习，并使用现实世界的股票市场数据。学生将在项目结束时，提交项目报告，进行成果展示。
导师二介绍
W
多伦多大学教授
博士毕业于巴黎文理研究大学
多次在国际顶尖学术会议上发表演讲
项目大纲
机器学习与数据科学概论 Machine Learning and Data Science
统计学习概论Introduction to Statistical Learning
监督学习、分类与回归Supervised learning, Classification and regression
偏见方差分解、交叉验证 Bias-variance decomposition, Cross-validation
随机森林 Random forest
神经网络、随机梯度下降法、反向传播 Neural Networks, Stochastic gradient descent, Backpropagation
金融、商业分析应用 Application to finance and business analysis
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
