人工智能與數(shù)據(jù)科學(xué)科研項目：機器學(xué)習(xí)與深度學(xué)習(xí)模型、生成式對抗網(wǎng)絡(luò)理論與實踐【大二及以上組】

導(dǎo)師學(xué)校介紹

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)，在計算機科學(xué)方向享有盛譽，在2020年U.S.News世界大學(xué)排名綜排位列第二、計算機工程CE專排蟬聯(lián)首位。學(xué)校孕育了90位諾貝爾獎得主、59位美國國家科學(xué)獎?wù)芦@得者，以及75位麥克阿瑟獎獲得者。

導(dǎo)師詳細(xì)介紹

導(dǎo)師昵稱

Mark

導(dǎo)師級別

終身教授

導(dǎo)師學(xué)校

麻省理工學(xué)院(MIT)

Mark導(dǎo)師現(xiàn)任麻省理工學(xué)院（MIT）終身教授，曾獲素有“諾貝爾風(fēng)向標(biāo)”美譽的美國斯隆研究獎、國際最具聲望的博士后獎勵Hubble Fellow。

Mark導(dǎo)師的研究興趣聚焦機器學(xué)習(xí)、數(shù)據(jù)科學(xué)、人工智能、天體物理，善于利用高性能超級計算機強大的數(shù)據(jù)處理能力進行數(shù)值模擬，訓(xùn)練機器學(xué)習(xí)和深度學(xué)習(xí)模型，借助機器學(xué)習(xí)與數(shù)據(jù)科學(xué)技術(shù)分析模擬數(shù)據(jù)。

Prof.Mark is an Associate Professor at MIT whose research interests span topics such as astrophysics,machine learning,data science and artificial intelligence.He makes extensive use of numerical simulations using state-of-the-art high-performance supercomputers around the world.He also employs machine learning and data science techniques to analyze simulation data.

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(xué)，電子與計算機科學(xué)，信號與信息處理，機器學(xué)習(xí)，計算機工程，數(shù)據(jù)科學(xué)，數(shù)據(jù)分析，深度學(xué)習(xí)，人工智能，自然語言處理

項目價格：33800/19800

項目周期：7周在線小組科研+5周論文指導(dǎo)

是否建議高中生學(xué)習(xí)：否

是否建議大學(xué)生學(xué)習(xí)：是

語言：英文

難度：中級難度/高級難度

建議具備的基礎(chǔ)：對計算機科學(xué)、計算機工程、數(shù)據(jù)科學(xué)、數(shù)據(jù)處理、機器學(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；

學(xué)生需要具備大學(xué)線性代數(shù)及概率論與數(shù)理統(tǒng)計基礎(chǔ)，至少會使用一門編程語言并修讀過數(shù)據(jù)結(jié)構(gòu)，有機器學(xué)習(xí)算法開發(fā)經(jīng)驗

科研項目產(chǎn)出

7周在線小組科研學(xué)習(xí)+5周論文指導(dǎo)學(xué)習(xí)共125課時+不限時論文指導(dǎo)

學(xué)術(shù)報告

優(yōu)秀學(xué)員獲主導(dǎo)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(dǎo)（可用于申請）

結(jié)業(yè)證書

成績單

項目介紹

學(xué)生將在項目中學(xué)習(xí)數(shù)據(jù)科學(xué)、機器學(xué)習(xí)的理論和方法，了解并且掌握Python在數(shù)據(jù)科學(xué)和機器學(xué)習(xí)中的應(yīng)用。學(xué)生將在項目結(jié)束時，自選框架和問題，使用Python開發(fā)機器學(xué)習(xí)應(yīng)用，提交項目報告，進行成果展示。

個性化研究課題參考：

現(xiàn)有自然語言處理展示模型的挑戰(zhàn)與機遇

使用條件對抗網(wǎng)絡(luò)（CGAN）自動生成動畫素描

使用卷積神經(jīng)網(wǎng)絡(luò)針對內(nèi)容進行照片分類

項目背景

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、高效的達成既定目標(biāo)，而人工智能技術(shù)借助機器學(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。

項目將在來自計算機專業(yè)排名前列的麻省理工學(xué)院的終身教授的指導(dǎo)下進行，旨在介紹常用機器學(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)生探討不同的機器學(xué)習(xí)理論和實際應(yīng)用，為高階學(xué)習(xí)打下堅實基礎(chǔ)。

項目大綱介紹

PCA、神經(jīng)網(wǎng)絡(luò)等機器學(xué)習(xí)內(nèi)容回顧 A quick review of Machine Learning

卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與正則化方法 CNN architectures and regularization method in Neural Networks

自動編碼器 Discuss different types of Auto-Encoders,including AE,DAE,SAE,and VAE

生成式對抗網(wǎng)絡(luò) Generative Adversarial Networks

自然語言處理 Natural Language Processing

學(xué)術(shù)研討1：教授與各組學(xué)生探討并評估個性化研究課題可行性，幫助學(xué)生明晰后續(xù)科研思路

Final Project Preparation Session I

學(xué)術(shù)研討2：學(xué)生將在本周課前完成程序設(shè)計原型（prototype）及偽代碼（Pseudocode），教授將根據(jù)各組進度進行個性化指導(dǎo)，確保學(xué)生優(yōu)質(zhì)的終期課題產(chǎn)出

Final Project Preparation Session II

項目成果展示 Final Presentation

論文指導(dǎo) Project Deliverables Tutoring

>>沒有教授推薦信，缺少科研經(jīng)驗？點擊這里提升背景<<