人工智能與數(shù)據(jù)科學科研項目:機器學習理論與Python編程實踐
2023-01-03 16:23:19 來源:中國教育在線
導師學校介紹
麻省理工學院(MIT)創(chuàng)立于1861年,是世界著名私立研究型大學,在計算機科學方向享有盛譽,在2020年U.S.News世界大學排名綜排位列第二、計算機工程CE專排蟬聯(lián)首位。學校孕育了90位諾貝爾獎得主、59位美國國家科學獎章獲得者,以及75位麥克阿瑟獎獲得者。
導師詳細介紹
導師昵稱
Mark
導師級別
終身教授
導師學校
麻省理工學院(MIT)
Mark導師現(xiàn)任麻省理工學院(MIT)終身教授,曾獲素有“諾貝爾風向標”美譽的美國斯隆研究獎、國際最具聲望的博士后獎勵Hubble Fellow。
Mark導師的研究興趣聚焦機器學習、數(shù)據(jù)科學、人工智能、天體物理,善于利用高性能超級計算機強大的數(shù)據(jù)處理能力進行數(shù)值模擬,訓練機器學習和深度學習模型,借助機器學習與數(shù)據(jù)科學技術分析模擬數(shù)據(jù)。
Prof.Mark is an Associate Professor at MIT whose research interests span topics such as astrophysics,machine learning,data science and artificial intelligence.He makes extensive use of numerical simulations using state-of-the-art high-performance supercomputers around the world.He also employs machine learning and data science techniques to analyze simulation data.
適合人群
方向:理工
專業(yè):人工智能
適合專業(yè):計算機科學,電子與計算機科學,物聯(lián)網(wǎng),網(wǎng)絡與信息安全,軟件工程,信號與信息處理,機器學習,推薦系統(tǒng)
項目價格:33800/19800
項目周期:7周在線小組科研+5周論文指導
是否建議高中生學習:是
是否建議大學生學習:是
語言:英文
難度:低級/中級難度
建議具備的基礎:計算機科學、計算機工程、數(shù)據(jù)科學、數(shù)據(jù)處理、機器學習、深度學習等專業(yè)的學生;學生需要具備初等微積分或線性代數(shù)基礎,至少會使用一門編程語言
科研項目產出
7周在線小組科研學習+5周論文指導學習共125課時+不限時論文指導
學術報告
優(yōu)秀學員獲主導師Reference Letter
EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級別索引國際會議全文投遞與發(fā)表指導(可用于申請)
結業(yè)證書
成績單
項目介紹
學生將在項目中學習數(shù)據(jù)科學、機器學習的理論和方法,了解并且掌握Python在數(shù)據(jù)科學和機器學習中的應用。學生將在項目結束時,自選框架和問題,使用Python開發(fā)機器學習應用,提交項目個性化研究課題報告,進行成果展示。
個性化研究課題參考:
利用BERT算法及調整單詞中的自注意力實現(xiàn)語義識別
使用生成對抗網(wǎng)絡生成手寫數(shù)字
用于空間數(shù)據(jù)的卷積神經(jīng)網(wǎng)絡CNN算法應用情況研究
生成對抗網(wǎng)絡各變種在圖像分類上的表現(xiàn)差異分析
項目背景
大數(shù)據(jù)的本質是海量的、多維度、多形式的數(shù)據(jù)。所以,在大數(shù)據(jù)面前,以往的數(shù)據(jù)處理方式無法快速、高效的達成既定目標,而人工智能技術借助機器學習與深度學習算法,更加靈活,并且可以根據(jù)不同的訓練數(shù)據(jù)擁有自優(yōu)化能力,從而使運算量顯著增加。
“人工智能”與“大數(shù)據(jù)”的完美結合將改變我們的日常生活,也即將成為各領域研究發(fā)展方向的變革工具。項目將在來自計算機專業(yè)排名前列的麻省理工學院的終身教授的指導下進行,旨在介紹常用機器學習和數(shù)據(jù)科學理論,以及當下最受歡迎的Python編程語言,引導學生探討不同的機器學習理論和實際應用,為高階學習打下堅實基礎。
項目大綱介紹
機器學習與數(shù)據(jù)科學概論:學生將在本周了解機器學習和數(shù)據(jù)科學的基礎理論和方法,探討機器學習和數(shù)據(jù)科學在業(yè)界和學界的最新動態(tài)及應用
機器學習基礎數(shù)學理論:機器學習模型和算法理解需要具備良好的數(shù)學邏輯和基礎。學生將在本周了解機器學習背后的邏輯和線性代數(shù)等必備數(shù)學理論
回歸理論:回歸理論是機器學習的基礎理論。線性回歸體現(xiàn)了優(yōu)化、擬合等經(jīng)典機器學習思想,往往是初學者首先學習的內容。學生將在本周學習常見回歸理論
機器學習常見算法:學生將在本周了解KNN、K-means等機器學習常見算法
數(shù)據(jù)科學和機器學習最佳實踐:學生將在本周了解機器學習和數(shù)據(jù)科學最佳實踐指南,從中獲益
項目回顧和成果展示
論文輔導
>>沒有教授推薦信,缺少科研經(jīng)驗?點擊這里提升背景<<