人工智能與數據科學科研項目：機器學習理論與Python編程實踐

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，物聯網，網絡與信息安全，軟件工程，信號與信息處理，機器學習，推薦系統

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、數據科學、數據處理、機器學習、深度學習等專業的學生；學生需要具備初等微積分或線性代數基礎，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語義識別

使用生成對抗網絡生成手寫數字

用于空間數據的卷積神經網絡CNN算法應用情況研究

生成對抗網絡各變種在圖像分類上的表現差異分析

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

機器學習與數據科學概論：學生將在本周了解機器學習和數據科學的基礎理論和方法，探討機器學習和數據科學在業界和學界的最新動態及應用

機器學習基礎數學理論：機器學習模型和算法理解需要具備良好的數學邏輯和基礎。學生將在本周了解機器學習背后的邏輯和線性代數等必備數學理論

回歸理論：回歸理論是機器學習的基礎理論。線性回歸體現了優化、擬合等經典機器學習思想，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

數據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據科學最佳實踐指南，從中獲益

項目回顧和成果展示

論文輔導

>>沒有教授推薦信，缺少科研經驗？點擊這里提升背景<<