機(jī)器學(xué)習(xí)與數(shù)據(jù)科學(xué)-中階【大學(xué)組】

計算機(jī)科學(xué)/數(shù)據(jù)科學(xué)

項目背景

大數(shù)據(jù)的本質(zhì)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(dá)成既定目標(biāo)，而人工智能技術(shù)借助機(jī)器學(xué)習(xí)與深度學(xué)習(xí)算法，更加靈活，并且可以根據(jù)不同的訓(xùn)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(jié)合將改變我們的日常生活，也即將成為各領(lǐng)域研究發(fā)展方向的變革工具。

項目將在來自計算機(jī)專業(yè)排名前列的麻省理工學(xué)院的終身教授的指導(dǎo)下進(jìn)行，旨在介紹常用機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)理論，以及當(dāng)下最受歡迎的Python編程語言，引導(dǎo)學(xué)生探討不同的機(jī)器學(xué)習(xí)理論和實際應(yīng)用，為高階學(xué)習(xí)打下堅實基礎(chǔ)。

項目介紹

學(xué)生將在項目中學(xué)習(xí)數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)的理論和方法，了解并且掌握Python在數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)中的應(yīng)用。學(xué)生將在項目結(jié)束時，自選框架和問題，使用Python開發(fā)機(jī)器學(xué)習(xí)應(yīng)用，提交項目個性化研究課題參考報告，進(jìn)行成果展示。

個性化研究課題參考：

現(xiàn)有自然語言處理展示模型的挑戰(zhàn)與機(jī)遇

利用條件對抗網(wǎng)絡(luò)（CGAN）實現(xiàn)動畫素描自動生成

類卷積神經(jīng)網(wǎng)絡(luò)針對內(nèi)容進(jìn)行照片分類的算法迭代

基于Hadoop的云計算平臺設(shè)計與開發(fā)

適合人群

大學(xué)生

對計算機(jī)科學(xué)、計算機(jī)工程、數(shù)據(jù)科學(xué)、數(shù)據(jù)處理、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等專業(yè)和課題感興趣，相關(guān)專業(yè)或希望在相關(guān)領(lǐng)域深入學(xué)習(xí)的學(xué)生；具備Python基礎(chǔ)知識，數(shù)學(xué)邏輯良好的學(xué)生優(yōu)先

導(dǎo)師介紹

麻省理工學(xué)院終身教授

Mark導(dǎo)師現(xiàn)任麻省理工學(xué)院（MIT）終身教授，曾獲素有“諾貝爾風(fēng)向標(biāo)”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(dǎo)師的研究興趣聚焦機(jī)器學(xué)習(xí)、數(shù)據(jù)科學(xué)、人工智能、天體物理，善于利用高性能超級計算機(jī)強(qiáng)大的數(shù)據(jù)處理能力進(jìn)行數(shù)值模擬，訓(xùn)練機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型，借助機(jī)器學(xué)習(xí)與數(shù)據(jù)科學(xué)技術(shù)分析模擬數(shù)據(jù)。

任職學(xué)校

麻省理工學(xué)院（MIT）創(chuàng)立于1861年，是世界著名私立研究型大學(xué)，在計算機(jī)科學(xué)方向享有盛譽，在2020年U.S.News世界大學(xué)排名綜排位列第二、計算機(jī)工程CE專排蟬聯(lián)首位。學(xué)校孕育了90位諾貝爾獎得主、59位美國國家科學(xué)獎?wù)芦@得者，以及75位麥克阿瑟獎獲得者。

項目大綱

常見機(jī)器學(xué)習(xí)方法：學(xué)生將了解機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)的基礎(chǔ)理論和方法，探討機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)在業(yè)界和學(xué)界的最新動態(tài)及應(yīng)用

Scikit-Learn：Scikit-Learn是一個建立在Scipy基礎(chǔ)上的用于機(jī)器學(xué)習(xí)的Python模塊，包含眾多頂級機(jī)器學(xué)習(xí)算法，主要有六大基本功能，分別是分類、回歸、聚類、數(shù)據(jù)將維、模型選擇和數(shù)據(jù)預(yù)處理，學(xué)生將了解Scikit-Learn的基礎(chǔ)架構(gòu)與應(yīng)用

Tensorflow：是一個基于數(shù)據(jù)流編程的符號數(shù)學(xué)系統(tǒng)，被廣泛應(yīng)用于各類機(jī)器學(xué)習(xí)算法的編程實現(xiàn)，學(xué)生將了解Tensorflow的基礎(chǔ)架構(gòu)與應(yīng)用

PyTorch：PyTorch是一個開源的Python機(jī)器學(xué)習(xí)庫，基于Torch，用于自然語言處理等應(yīng)用程序，學(xué)生將了解Pytorch的基礎(chǔ)架構(gòu)與應(yīng)用

Hadoop：Hadoop是一個分布式系統(tǒng)基礎(chǔ)架構(gòu)，用戶可以在不了解分布式底層細(xì)節(jié)的情況下，開發(fā)分布式程序，學(xué)生將了解Hadoop的基礎(chǔ)架構(gòu)與應(yīng)用

項目回顧和成果展示

論文輔導(dǎo)

時間安排與收獲

7周在線小組科研學(xué)習(xí)+5周論文輔導(dǎo)學(xué)習(xí) 共125課時

學(xué)術(shù)報告

優(yōu)秀學(xué)員獲主導(dǎo)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(jié)業(yè)證書

成績單