人工智能時代來臨：基于機器學習的算法綜合探究 Machine Learning:Theory and Practical Algorithms

人工智能/數(shù)據(jù)科學/商業(yè)分析

課題背景

你是否會使用Siri或Alexa等個人助理系統(tǒng)？你是否用垃圾郵件過濾器來處理垃圾郵件？你是否訂閱Netflix，并通過其精確的推薦系統(tǒng)來發(fā)現(xiàn)新電影呢？如果你符合以上任何一條，那么恭喜你，你已經(jīng)很好地用到了機器學習！ 機器學習的核心是，“用算法解析數(shù)據(jù)，從中學習，然后對某些事物做出決定或預測。”這意味著，你無需明確地編程計算機來執(zhí)行任務，而是教計算機如何開發(fā)算法來完成任務。本課程將帶領(lǐng)學生們了解各種各樣的學習算法，培養(yǎng)應用學習算法解決實際問題的技能和如何執(zhí)行學習算法的評估和模型選擇。

課題內(nèi)容

課程從不同的角度深入介紹機器學習的理論和實際算法。它涵蓋了一些主要的模型和算法的回歸，分類，聚類和馬爾科夫決策過程。主題包括線性和邏輯回歸、正則化、概率(貝葉斯)推理、支持向量機和核方法、神經(jīng)網(wǎng)絡、聚類和降維。本課程使用Python編程語言，并假設(shè)您熟悉線性代數(shù)、概率論和多元微積分。本課程的目的是讓學生在方法學、技術(shù)、數(shù)學和算法方面有一個全面的基礎(chǔ)，這些都是目前將機器學習應用于各種應用程序的人所需要的。

適合人群

對計算機專業(yè)感興趣的高中生，本科生 

修讀計算機、（電子）電氣工程、信息工程等專業(yè)，以及未來希望在機器學習、算法、編程、數(shù)據(jù)分析等領(lǐng)域從業(yè)的學生 

具備較高水平的數(shù)學能力，熟悉線性/矩陣代數(shù)、概率論和多元微積分；了解Python語言的學生優(yōu)先 

建議學生提前掌握算法設(shè)計與數(shù)據(jù)結(jié)構(gòu)

教授介紹

南加州大學計算機科學系教授

1)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

2)USC工程領(lǐng)事、教師績效評估委員會成員

3)榮獲Herbert Simon計算機科學卓越教學獎 獨立開發(fā)高級編程實務(Java)課程

4)《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

課程安排與收獲

10周在線小組科研（總計72課時）

網(wǎng)申推薦信

學術(shù)評估報告項目成績單

論文成果

* 課時包含：導師課程36課時+助教課程30課時+寫作課程6課時，不包含先修課課時
* 完成研究后滿足學術(shù)條件和教授要求可獲得推薦信，教授將嚴格按照學生實際表現(xiàn)對學生進行客觀評價。