开始日期: 2024-09-21
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): 大学生及以上
适合专业 (Major): 对计算机科学、计算机工程、数据科学、数据处理、机器学习、深度学习等专业和课题感兴趣，相关专业或希望在相关领域深入学习的学生;
学生需要具备大学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数据结构，有机器学习算法开发经验;
建议选修: Python数据处理及其数学原理
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、宇宙物理等，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。
任职学校
麻省理工学院(MIT)创立于1861年，是世界著名私立研究型大学，在计算机科学方向享有盛誉，在2020年U.S.News世界大学排名综排位列第二、计算机工程CE专排蝉联首位。学校孕育了90位诺贝尔奖得主、59位美国国家科学奖章获得者，以及75位麦克阿瑟奖获得者。
项目背景
大数据的本质是海量的、多维度、多形式的数据。所以，在大数据面前，以往的数据处理方式无法快速、高效的达成既定目标，而人工智能技术借助机器学习与深度学习算法，更加灵活，并且可以根据不同的训练数据拥有自优化能力，从而使运算量显著增加。
“人工智能”与“大数据”的完美结合将改变我们的日常生活，也即将成为各领域研究发展方向的变革工具。
项目将在来自计算机专业排名前列的麻省理工学院的终身教授的指导下进行，旨在介绍常用机器学习和数据科学理论，以及当下最受欢迎的Python编程语言，引导学生探讨不同的机器学习理论和实际应用，为高阶学习打下坚实基础。
项目介绍
学生将在项目中学习数据科学、机器学习的理论和方法，了解并且掌握Python在数据科学和机器学习中的应用。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，提交项目报告，进行成果展示。
个性化研究课题参考：
现有自然语言处理展示模型的挑战与机遇
使用条件对抗网络(CGAN)自动生成动画素描
使用卷积神经网络针对内容进行照片分类
项目大纲
PCA、神经网络等机器学习内容回顾 A quick review of Machine Learning
卷积神经网络结构与正则化方法 CNN architectures and regularization method in Neural Networks
自动编码器 Discuss different types of Auto-Encoders, including AE, DAE, SAE, and VAE
生成式对抗网络 Generative Adversarial Networks
自然语言处理 Natural Language Processing
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 Final Project Preparation Session I
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 Final Project Preparation Session II
项目成果展示 Final Presentation
论文指导 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
