密集科研項目：人工智能與數據科學專題：機器學習與神經網絡及其在推薦系統(tǒng)中的應用【大學組】

導師學校介紹

布朗大學（Brown University）創(chuàng)立于1764年，是全美第七古老的大學，坐落在美國羅得島州首府普羅維登斯市，是一所享譽世界的頂級私立研究型大學，聞名世界的八所常春藤聯(lián)盟成員，北美頂尖大學學術聯(lián)盟美國大學協(xié)會成員。布朗大學在2020年U.S.News美國大學綜排Top14。

導師詳細介紹

導師昵稱

Sorin

導師級別

講席終身正教授

導師學校

布朗大學Brown University

Sorin導師是布朗大學計算和數學科學和計算機科學終身正教授，曾任布朗大學計算分子生物學中心主任。在加入布朗之前，他是Celera Genomics的高級主管和信息學研究負責人，他們共同撰寫了2001年的科學論文“人類基因組的序列”，該論文迄今為止被引用超過12,000次，是最重要的論文之一。引用的科學論文。2003年，他加入了應用系統(tǒng)科學研究員的行列，這是一家擁有800名科學家的公司中僅有的六名科學研究員之一。2000年，他獲得了統(tǒng)計力學中一個50年前未解決的問題，三維Ising模型問題的否定解（計算難點）。該工作被列入美國能源部前25年最重要的100項發(fā)現(xiàn)，并作為美國能源部在高級科學計算方面的第7項頂級成就。Sorin教授的研究重點是算法和計算復雜性以及統(tǒng)計物理學。他是計算生物學雜志的主編，他是RECOMB會議系列的聯(lián)合創(chuàng)始人，麻省理工學院出版社計算分子生物學系列的聯(lián)合編輯和Springer-Verlag講座筆記的聯(lián)合編輯在生物信息學系列。

Prof.Sorin is the Julie Nguyen Brown Professor of Computational and Mathematical Sciences and Professor of Computer Science,and former Director of the Center for Computational Molecular Biology at Brown University.Before joining Brown,he was the Senior Director and then Head of Informatics Research at Celera Genomics,they co-authored the 2001 Science paper“The Sequence of the Human Genome,”which,with over 12,000 citations to date,is one of the most cited scientific paper.In 2003 he joined the ranks of Applied Biosystems Science Fellows,one of just six Science Fellows in a company of 800 scientists.In 2000,he obtained the negative solution(computational intractability)of a 50 years old unresolved problem in statistical mechanics,the Three-Dimensional Ising Model Problem.This work was included in the Top 100 Most Important Discoveries of the U.S.Department of Energy’s first 25 years,and as the 7th top achievement of DOE in Advanced Scientific Computing.Professor Istrail's research focuses on computational molecular biology,human genetics and genome-wide associations studies,medical bioinformatics of autism,multiple sclerosis,HIV,preterm labor and viral immunology,algorithms and computational complexity,and statistical physics.He is Editor-in-Chief of the Journal of Computational Biology and he is co-founder with of the RECOMB Conference series,and co-Editor of the MIT Press Computational Molecular Biology series and of co-Editor of the Springer-Verlag Lecture Notes in Bioinformatics series.

適合人群

方向：理工

專業(yè)：人工智能

適合專業(yè)：計算機科學，機器學習，通信工程，數據工程，編程語言，推薦系統(tǒng)

項目價格：33800/19800

項目周期：4周在線小組科研學習+2周論文指導

是否建議高中生學習：否

是否建議大學生學習：是

語言：英文

難度：高級難度

建議具備的基礎：數據科學、人工智能、統(tǒng)計學、機器學習、深度學習等專業(yè)的學生；學生需要具備線性代數及概率論與數理統(tǒng)計基礎，修讀過算法與數據結構并能熟練使用如隨機森林等經典機器學習算法

科研項目產出

4周在線小組科研學習+2周論文指導學習共125課時+不限時論文指導

學術報告

優(yōu)秀學員獲主導師Reference Letter

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級別索引國際會議全文投遞與發(fā)表指導（可用于申請）

結業(yè)證書

成績單

項目介紹

項目中，導師將介紹用于知識發(fā)現(xiàn)的大數據挖掘的基礎編程模型和算法。學生對其代碼實現(xiàn)后，將使用真實生活中的數據集(如Yelp評論、亞馬遜交易和MovieLens數據等)進行模型訓練，并檢測出有意義的用戶偏好及習慣。在項目中后期，學生將結合所學知識及導師建議對基礎推薦算法及模型進一步優(yōu)化研究，構建一個新穎、準確且高效的個性化推薦系統(tǒng)，并在項目結束時提交項目報告、進行成果展示。This program will introduce the fundamental programming models and algorithms used in mining Big Data for knowledge discovery.Specifically,the lecture will cover MapReduce,Frequent Itemset Mining,Clustering&Dimension Reduction,and Recommendation Systems.The assignments will include implementing algorithms introduced in the lecture to detect meaningful patterns from real datasets(e.g.,Yelp reviews,Amazon transactions,and MovieLens data).At the end of the course,the students are expected to conduct a research project by combining the knowledge learned in class to build a novel recommendation system.

個性化研究課題參考Suggested Research Fields

構建基于內容的電影推薦系統(tǒng)Content-based movie recommender

構建基于協(xié)同過濾的推薦系統(tǒng)Building recommendation system based on collaborative filtering

構建一個混合位置的餐廳推薦系統(tǒng)Building a hybrid recommendation system for location

數據挖掘其他應用如：使用公開數據進行空氣質量預測和預報Other applications of data mining,such as air quality prediction and forecasting using open data

項目背景

當你發(fā)現(xiàn)刷抖音停不下來，當你在朋友圈里看到精準的廣告投放，當你讓Siri規(guī)劃回家路線，這背后的強大驅動力便是數據挖掘與機器學習。數據挖掘又稱知識發(fā)現(xiàn)，即從數據中挖掘知識。在當下信息爆炸時代，面對龐大的數據庫，最主要的困難就是有效信息難以提煉，John Nalsbert稱之為“信息豐富而知識貧乏”窘境。因此，對海量數據進行深入分析，發(fā)現(xiàn)并提取隱藏在其中的信息，以更好地利用這些數據的需求愈發(fā)強烈。但僅以數據庫系統(tǒng)的錄入、查詢、統(tǒng)計等功能，無法發(fā)現(xiàn)數據中存在的關系和規(guī)則，無法根據現(xiàn)有的數據預測未來的發(fā)展趨勢，更缺乏挖掘數據背后隱藏知識的手段。正是在這樣的條件下，數據挖掘技術應運而生。項目將圍繞數據挖掘原理及其在推薦系統(tǒng)中的應用展開。

項目大綱介紹

面向大規(guī)模數據處理的并行計算模型和方法Introduction and MapReduce

頻繁項級挖掘算法及關聯(lián)規(guī)則Mining Frequent Itemsets

聚類分類與數據降維Clustering&Dimension Reduction

推薦系統(tǒng)Recommendation Systems

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

學術研討2：學生將在本周課前完成程序設計原型（prototype）及偽代碼（Pseudocode），教授將根據各組進度進行個性化指導，確保學生優(yōu)質的終期課題產出Final Project Preparation Session II

項目成果展示 Final Presentation

>>沒有教授推薦信，缺少科研經驗？點擊這里提升背景<<