人工智能領域應用：基于機器學習的算法設計研究【大學組】

計算機科學/數(shù)據(jù)科學/人工智能/機器學習

項目背景

機器學習是模擬人腦學習模式，基于過往經(jīng)驗（數(shù)據(jù)），總結普遍模型，完成自學習的過程，具體涉及概率論、統(tǒng)計學、算法復雜度等多個學科，是人工智能的核心，更是數(shù)據(jù)科學、計算機科學、金融工程、化學生物工程、社會傳媒學等諸多學科研究或應用熱點?？梢哉f，在過去的二十年里，機器學習技術日臻成熟，滲透到各領域，為諸多產(chǎn)業(yè)場景提供了技術支持。比如，生物信息學借此探究生命現(xiàn)象和規(guī)律，實施基因組計劃，獲取基因藥物研究數(shù)據(jù)，完成分析與仿真；傳媒學借此挖掘客戶數(shù)據(jù)，落地數(shù)字化市場營銷新業(yè)態(tài)。項目將聚焦機器學習基礎理論，結合當下最受歡迎的Python編程，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。

項目介紹

項目將帶領學生學習監(jiān)督學習、無監(jiān)督學習、KNN鄰近分類算法、決策樹、信息熵與基尼指數(shù)、裝袋法、隨機森林、線性回歸、邏輯回歸、嶺回歸、套索回歸、主成分分析、聚類、K均值算法等機器學習原理與經(jīng)典算法。學生將在項目結束時，提交項目報告，進行成果展示。

個性化研究課題參考：

社交情緒挖掘機器學習算法設計

尋找安然破產(chǎn)事件關鍵人物：員工關系建模

利用神經(jīng)網(wǎng)絡訓練筆記閱讀模型以分類MNIST手寫體數(shù)字

適合人群

大學生

計算機科學、人工智能、機器學習、數(shù)據(jù)科學、電子與計算機工程等專業(yè)，軟件工程、自動化等相關專業(yè)或者對機器學習、大數(shù)據(jù)方向感興趣的學生； 學生需要具備線性代數(shù)及概率論基礎，至少會使用一門編程語言并修讀過算法與數(shù)據(jù)結構，有機器學習項目開發(fā)經(jīng)驗的申請者優(yōu)先

導師介紹

南加州大學 正教授

Victor導師現(xiàn)任南加州大學計算機科學系正教授、USC 工程領事、教師績效評估委員會成員，曾任美國國家科學研究所計算機通信分部項目首席研究員和卡耐基梅隆大學終身正教授。Victor教授榮獲 Herbert Simon 計算機科學卓越教學獎，并獨立開發(fā)高級編程實務 (Java) 課程。Victor教授在發(fā)表研究論文的同時還是《數(shù)學分析與應用雜志》、《積分變換和特殊函數(shù)》、《計算與應用數(shù)學雜志》等期刊同行審查委員會高級成員。

任職學校

南加州大學（University of Southern California，USC）創(chuàng)立于1880年，坐落于美國加州洛杉磯市中心，是全球領先私立研究型大學，美國最具多元化學府之一，廣受全球博才智杰推崇。南加州大學是美國大學協(xié)會（AAU；研究型大學聯(lián)盟，會員門檻極高，被許多機構視為衡量大學學術研究和品質的基準）的成員，在2020年U.S.News全美大學綜合排名中位列第22。

項目大綱

機器學習：監(jiān)督學習、KNN鄰近分類算法Introduction to machine learning

決策樹：信息熵與基尼指數(shù)、裝袋法、隨機森林Decision trees, bagging, and random forest

回歸算法：線性回歸、邏輯回歸、嶺回歸、套索回歸Regressions

神經(jīng)網(wǎng)絡與深度學習Neural networks and deep learning

無監(jiān)督學習：聚類、K均值聚類算法Unsupervised learning

項目回顧與成果展示Program Review and Presentation

論文輔導 Project Deliverables Tutoring

時間安排與收獲

7周在線小組科研學習+5周論文輔導學習 共125課時

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（可用于申請）

結業(yè)證書

成績單