人工智能與數據科學科研項目：機器學習與深度學習模型、生成式對抗網絡理論與實踐【大二及以上組】

導師學校介紹

麻省理工學院（MIT）創立于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、數據科學、人工智能、天體物理，善于利用高性能超級計算機強大的數據處理能力進行數值模擬，訓練機器學習和深度學習模型，借助機器學習與數據科學技術分析模擬數據。

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：人工智能

適合專業：計算機科學，電子與計算機科學，信號與信息處理，機器學習，計算機工程，數據科學，數據分析，深度學習，人工智能，自然語言處理

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：否

是否建議大學生學習：是

語言：英文

難度：中級難度/高級難度

建議具備的基礎：對計算機科學、計算機工程、數據科學、數據處理、機器學習、深度學習等專業和課題感興趣，相關專業或希望在相關領域深入學習的學生；

學生需要具備大學線性代數及概率論與數理統計基礎，至少會使用一門編程語言并修讀過數據結構，有機器學習算法開發經驗

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表指導（可用于申請）

結業證書

成績單

項目介紹

學生將在項目中學習數據科學、機器學習的理論和方法，了解并且掌握Python在數據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開發機器學習應用，提交項目報告，進行成果展示。

個性化研究課題參考：

現有自然語言處理展示模型的挑戰與機遇

使用條件對抗網絡（CGAN）自動生成動畫素描

使用卷積神經網絡針對內容進行照片分類

項目背景

大數據的本質是海量的、多維度、多形式的數據。所以，在大數據面前，以往的數據處理方式無法快速、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，并且可以根據不同的訓練數據擁有自優化能力，從而使運算量顯著增加。

“人工智能”與“大數據”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展方向的變革工具。

項目將在來自計算機專業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據科學理論，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

PCA、神經網絡等機器學習內容回顧 A quick review of Machine Learning

卷積神經網絡結構與正則化方法 CNN architectures and regularization method in Neural Networks

自動編碼器 Discuss different types of Auto-Encoders,including AE,DAE,SAE,and VAE

生成式對抗網絡 Generative Adversarial Networks

自然語言處理 Natural Language Processing

學術研討1：教授與各組學生探討并評估個性化研究課題可行性，幫助學生明晰后續科研思路

Final Project Preparation Session I

學術研討2：學生將在本周課前完成程序設計原型（prototype）及偽代碼（Pseudocode），教授將根據各組進度進行個性化指導，確保學生優質的終期課題產出

Final Project Preparation Session II

項目成果展示 Final Presentation

論文指導 Project Deliverables Tutoring

>>沒有教授推薦信，缺少科研經驗？點擊這里提升背景<<