統(tǒng)計在機器學習系統(tǒng)中的應用 Statistical Machine Learning

數(shù)據(jù)科學/統(tǒng)計學

課題背景

統(tǒng)計推斷是使用來自該總體的一個子集或樣本的數(shù)據(jù)得出關于整個總體特征的結論的過程。簡單隨機抽樣是一種抽樣方法，它保證了總體中n個成員的每個組合都有相等的被選擇的機會。

課題內容

這門課程旨在帶領學生了解如何在統(tǒng)計模型的上下文中解釋數(shù)據(jù)。工作知識和對基于模型的統(tǒng)計推斷的關鍵要素的理解，包括對貝葉斯方法和頻率方法之間的相似性、關系和區(qū)別的認識。

適合人群

對數(shù)據(jù)科學，統(tǒng)計專業(yè)感興趣的優(yōu)秀高中生，本科生 

修讀數(shù)學、計算機、信息科學等專業(yè)，以及未來希望在大數(shù)據(jù)分析、商業(yè)分析、計算機算法等領域從業(yè)的學生 

具備高等數(shù)學、矩陣代數(shù)、微積分、統(tǒng)計學、概率以及擁有編程背景的學生優(yōu)先

教授介紹

牛津大學統(tǒng)計學終身教授

牛津大學曼斯菲爾德學院首席研究員

圖靈研究所研究員，QxCSML研究組核心成員

曾擔任金融服務行業(yè)-數(shù)據(jù)科學高級資深顧問

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。