背景提升之理工科科研项目——机器学习与数据科学
日期：2022-05-30 16:55:10 阅读量：0 &苍产蝉辫;&苍产蝉辫;&苍产蝉辫;作者：产老师近年来美国院校录取标准中，学习成绩逐渐被视为最低要求，美国的各大院校开始审视申请学生除了课堂学习以外的科研经历，今天优弗小编就来介绍一项对于理工科的科研项目——机器学习与数据科学，这个项目是颁惭鲍导师哦。
项目安排 Program Arrangement
开课时间 (Starting Date): 2022-07-16
课时安排 (Duration): 7周在线小组科研+5周论文指导
适合人群 Prerequisites
适合年级 (Grade): 大学生及以上
适合专业 (Major): 计算机科学、数据科学、人工智能、机器学习专业或对以上专业感兴趣的学生。
学生需要具备微积分及线性代数基础，至少会熟练使用一门编程语言，修读过算法与数据结构的申请者优先
项目收获 Program Outcome
7周在线小组科研学习+5周论文指导学习 共125课时+不限时论文指导
学术报告
优秀学员获主导师Reference Letter
贰滨/颁笔颁滨/厂肠辞辫耻蝉/笔谤辞蚕耻别蝉迟/颁谤辞蝉蝉谤别蹿/贰叠厂颁翱或同等级别索引国际会议全文投递与发表指导(可用于申请)
结业证书
成绩单
项目背景 Program Background
大数据的价值体现主要集中在数据的转向以及数据的信息处理能力等等。在产业发展的今天，大数据时代的到来，对数据的转换，数据的处理数据的存储等带来了更好的技术支持，产业升级和新产业诞生形成了一种推动力量，让大数据能够针对可发现事物的程序进行自动规划，实现人类用户以计算机信息之间的协调。项目也将围绕着数据预测性分析与分类的核心技术—机器学习及深度学习展开。
项目介绍 Program Description
本项目将带领学生详细了解机器学习的主要方法和当前的研究方向，涵盖机器学习中的不同算法的分析与对比。项目在讨论至今仍有效的如决策树的经典算法外，还将讨论以深度学习为例的改变了机器学习领域的新技术。学生还将接触到现实世界中的问题，在这些问题中，将使用机器学习或深度学习中的各种工具给出和分析样本数据,以及用Python及其中的深度学习框架实现所学算法的实践。Students will be exposed to real-world problems where sample data will be given and analyzed using a variety of tools from machine learning and deep learning. Each meeting will include a practical problem, a theory relevant to the problem which will involve some mathematical concepts, and hands on where implementation of algorithms learned will be implemented in Python and deep learning frameworks in it.
个性化研究课题参考 Suggested Research Fields
欺骗性、重复性的广告检测算法研究 Research on Deceptive and Duplicate Advertisement Detection Algorithms
针对用户搜索记录的酒店推荐算法 Recommendation System for Hotel Reservations Based on the User’s search History
根据网约车当前运行轨迹，预测本次行程时间的算法开发 Predict the total travel time of taxi trips based on their initial partial trajectories
预测土壤的物理化学成分 Predict physical and chemical properties of soil using spectral measurements
导师介绍 Instructor Introduction
Shlomo
卡耐基梅隆大学终身正教授
Professor Shlomo worked at ICASE (Institute for Computer Application in Science and Engineering), which was at NASA Langley Research Center. The instructor was a senior scientist at the Weizmann Institute for a few years. From 1994. Shlomo became a Professor at Carnegie Mellon University. His research interests include solving fluid dynamics equations and dealing with large-scale optimization related problems.
Shlomo教授任卡耐基梅隆大学(CMU)终身正教授，他曾在魏茨曼科学研究所(Weizmann Institute of Science)攻读博士学位。之后移居美国，并在位于美国宇航局兰利研究中心的ICASE(科学与工程计算机应用研究所)工作。教授从1994年任职于卡内基梅隆大学，研究方向包括解决流体动力学方程和处理大规模优化的相关问题。
任职学校 University/College
卡耐基梅隆大学(颁惭鲍)始建于1900年，是世界范围内颇负盛名的私立研究型大学，拥有世界历史最悠久的计算机学院之一，在2020年蚕厂世界大学计算机科学排名中位列第3.2020年鲍.厂.狈别飞蝉计算机科学美国排名第二位。“截至2019年3月，学校的教员和校友中共有20人获得诺贝尔奖，13人获得图灵奖，22人获评美国艺术与科学院院士，19人进入美国科学促进会，72人入选美国国家学院。”
项目大纲 Program Outline
概率论与统计学理论回顾 Review of Probability and Statistics
监督式机器学习：分类及回归模型 Supervised Machine Learning： Classification and Regression Models
非监督式机器学习：聚类及数据降维Unsupervised Machine Learning： Clustering and Dimension Reduction
深度学习与神经网络 Introduction to Deep Learning and Neural Networks
主流深度学习框架介绍 Tensorflow, Pytorch and Their Applications
学术研讨1：教授与各组学生探讨并评估个性化研究课题可行性，帮助学生明晰后续科研思路 Final Project Preparation Session I
学术研讨2：学生将在本周课前完成程序设计原型(prototype)及伪代码(Pseudocode)，教授将根据各组进度进行个性化指导，确保学生优质的终期课题产出 Final Project Preparation Session II
项目成果展示 Final Presentation
论文辅导 Project Deliverables Tutoring
相关推荐：
优弗教育首次独家采用“双团队”导师模式-“顿辞耻产濒别罢别补尘”。团队一：由两位主导师组成为“首席专家顾问团队”。团队二：由叁位导师组成为“规划执行团队”。在优弗独具特色的“双团队”指导下，具备专业性，联动性以及高执行力这叁大特点，让整体规划突破传统留学导师架构，真正突显每一位导师在学生身上可发展力，可塑造力，从而将服务做实，做精，做细！！！
