機(jī)器學(xué)習(xí)與數(shù)據(jù)科學(xué)在線小組科研

計(jì)算機(jī)科學(xué)/數(shù)據(jù)科學(xué)

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

學(xué)生將在項(xiàng)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(xiàng)目結(jié)束時(shí)，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(xiàng)目報(bào)告，進(jìn)行成果展示。

適合人群

高中生、大學(xué)生

對計(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)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

Mark 終身教授麻省理工學(xué)院（MIT）

Mark 導(dǎo)師現(xiàn)任麻省理工學(xué)院（MIT）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。

Mark 導(dǎo)師善于利用超級計(jì)算機(jī)強(qiáng)大的數(shù)據(jù)處理能力，生成數(shù)據(jù)集，訓(xùn)練機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型，完成星系識別和分類，提升處理規(guī)模龐大數(shù)據(jù)的效率。

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)目大綱

機(jī)器學(xué)習(xí)與數(shù)據(jù)科學(xué)概論：學(xué)生將在本周了解機(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(dòng)態(tài)及應(yīng)用。機(jī)器學(xué)習(xí)基礎(chǔ)數(shù)學(xué)理論：機(jī)器學(xué)習(xí)模型和算法理解需要具備良好的數(shù)學(xué)邏輯和基礎(chǔ)。學(xué)生將在本周了解機(jī)器學(xué)習(xí)背后的邏輯和線性代數(shù)等必備數(shù)學(xué)理論?；貧w理論：回歸理論是機(jī)器學(xué)習(xí)的基礎(chǔ)理論。線性回歸體現(xiàn)了優(yōu)化、擬合等經(jīng)典機(jī)器學(xué)習(xí)思想，往往是初學(xué)者首先學(xué)習(xí)的內(nèi)容。學(xué)生將在本周學(xué)習(xí)常見回歸理論。機(jī)器學(xué)習(xí)常見算法：學(xué)生將在本周了解KNN、K-means等機(jī)器學(xué)習(xí)常見算法。數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)最佳實(shí)踐：學(xué)生將在本周了解機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)最佳實(shí)踐指南，從中獲益。神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)&項(xiàng)目回顧成果展示論文輔導(dǎo)

時(shí)間安排與收獲

7周在線小組科研學(xué)習(xí)+3周論文輔導(dǎo)學(xué)習(xí) 共44課時(shí) 學(xué)術(shù)報(bào)告 主導(dǎo)師Reference Letter EI/CPCI/Scopus或同等級別索引國際會議摘要投遞與收錄（可用于申請） 結(jié)業(yè)證書 成績單