開始日期: 2025-07-26

　　課時(shí)安排: 7周在線小組科研學(xué)習(xí)+5周不限時(shí)論文指導(dǎo)學(xué)習(xí)

　　適合人群

　　適合年級 (Grade): 高中生/大學(xué)生

　　適合專業(yè) (Major): 計(jì)算機(jī)科學(xué)、計(jì)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)或?qū)ι鲜鰧I(yè)感興趣的學(xué)生

　　學(xué)生需要具備微積分及線性代數(shù)基礎(chǔ)，熟練使用Python進(jìn)行數(shù)據(jù)處理

　　建議選修: 程序設(shè)計(jì)與代碼實(shí)現(xiàn)

　　導(dǎo)師介紹

　　Mark

　　麻省理工學(xué)院 (MIT)終身正教授

　　Mark導(dǎo)師現(xiàn)任麻省理工學(xué)院(MIT)終身正教授，曾獲素有“諾貝爾風(fēng)向標(biāo)”美譽(yù)的美國斯隆研究獎(jiǎng)、國際最具聲望的博士后獎(jiǎng)勵(lì)Hubble Fellow，并在多個(gè)年份獲得Web of Science高被引學(xué)者稱號。 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、宇宙物理等，善于利用高性能超級計(jì)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(jì)算機(jī)科學(xué)方向享有盛譽(yù)，在2020年U.S.News世界大學(xué)排名綜排位列第二、計(jì)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(jiǎng)得主、59位美國國家科學(xué)獎(jiǎng)?wù)芦@得者，以及75位麥克阿瑟獎(jiǎng)獲得者。

　　項(xiàng)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(yùn)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(xiàng)目將在來自計(jì)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(shí)際應(yīng)用，為高階學(xué)習(xí)打下堅(jiān)實(shí)基礎(chǔ)。

　　項(xiàng)目介紹

　　項(xiàng)目旨在全面介紹機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)領(lǐng)域中的多種前沿算法及其應(yīng)用，課程中將逐步指導(dǎo)學(xué)生學(xué)習(xí)機(jī)器學(xué)習(xí)的兩個(gè)主要類別——分類與聚類，內(nèi)容涵蓋初始研發(fā)動(dòng)機(jī)與數(shù)學(xué)理論，并最后用Python編程實(shí)現(xiàn)。學(xué)生將在項(xiàng)目結(jié)束時(shí)，自選如Tensorflow/Pytorch/Pycharm等主流框架中其一和實(shí)際生活生產(chǎn)中的待優(yōu)化問題，使用Python開發(fā)機(jī)器學(xué)習(xí)應(yīng)用，提交項(xiàng)目個(gè)性化研究課題報(bào)告，進(jìn)行成果展示。

　　項(xiàng)目大綱

　　機(jī)器學(xué)習(xí)中的數(shù)學(xué)理論：向量微積分、線性代數(shù)與概率論 Introduction to Machine Learning and Math Preliminary

　　回歸模型及其優(yōu)化方法 Regression Methods：Linear Regression, Polynomial Regression: importance of regularization;Ridge Regression & LASSO RegressionClassification Methods

　　分類模型 Categorization of classification problems; Binary Classification: Perceptron, Logistic Regression, and SVM;Multi-Class Classification

　　神經(jīng)網(wǎng)絡(luò)架構(gòu)與反向傳播算法 Components of Neural Networks; Back-Propagation Algorithm; Optimizers of NN; Advanced Architectures of NN, including CNN & RNN

　　非監(jiān)督式學(xué)習(xí)與大數(shù)據(jù)降維 Unsupervised Learning including clustering and dimensionality reduction

　　學(xué)術(shù)研討1：教授與各組學(xué)生探討并評估個(gè)性化研究課題可行性，幫助學(xué)生明晰后續(xù)科研思路 Final Project Preparation Session I

　　學(xué)術(shù)研討2：學(xué)生將在本周課前完成程序設(shè)計(jì)原型(prototype)及偽代碼(Pseudocode)，教授將根據(jù)各組進(jìn)度進(jìn)行個(gè)性化指導(dǎo)，確保學(xué)生優(yōu)質(zhì)的終期課題產(chǎn)出 Final Project Preparation Session II

　　項(xiàng)目成果展示 Final Presentation

　　論文指導(dǎo) Project Deliverables Tutoring

　　項(xiàng)目收獲

　　7周在線小組科研學(xué)習(xí)+5周不限時(shí)論文指導(dǎo)學(xué)習(xí) 共125課時(shí)

　　項(xiàng)目報(bào)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(huì)議全文投遞與發(fā)表指導(dǎo)(可用于申請)

　　結(jié)業(yè)證書

　　成績單

　　LASER Award in Research Skills for Academic Study官方證書并轉(zhuǎn)換8 UCAS Tariff Points(可選)

留學(xué)也是一種投資，你的留學(xué)預(yù)算充足嗎，簡單3步，輕松了解留學(xué)預(yù)算？

費(fèi)用計(jì)算

想去留學(xué)，不知道自己是否符合條件？馬上測一測吧？

條件評估