您現(xiàn)在的位置:首頁 > 背景提升 > 機器學(xué)習(xí)與數(shù)據(jù)科學(xué)-初階-高中組
驗證碼

獲取驗證碼

機器學(xué)習(xí)與數(shù)據(jù)科學(xué)-初階【高中組】

計算機科學(xué)/數(shù)據(jù)科學(xué)

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,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:

使用生成對抗網(wǎng)絡(luò)生成手寫數(shù)字

利用 BERT算法及調(diào)整單詞中的自注意力實現(xiàn)語義識別

生成對抗網(wǎng)絡(luò)各變種在圖像分類上的表現(xiàn)差異分析


適合人群

高中生

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)的學(xué)生;有Python知識的學(xué)生優(yōu)先


導(dǎo)師介紹


麻省理工學(xué)院終身教授

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”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)。


任職學(xué)校

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。


項目大綱

機器學(xué)習(xí)與數(shù)據(jù)科學(xué)概論:學(xué)生將在本周了解機器學(xué)習(xí)和數(shù)據(jù)科學(xué)的基礎(chǔ)理論和方法,探討機器學(xué)習(xí)和數(shù)據(jù)科學(xué)在業(yè)界和學(xué)界的最新動態(tài)及應(yīng)用

機器學(xué)習(xí)基礎(chǔ)數(shù)學(xué)理論:機器學(xué)習(xí)模型和算法理解需要具備良好的數(shù)學(xué)邏輯和基礎(chǔ)。學(xué)生將在本周了解機器學(xué)習(xí)背后的邏輯和線性代數(shù)等必備數(shù)學(xué)理論

回歸理論:回歸理論是機器學(xué)習(xí)的基礎(chǔ)理論。線性回歸體現(xiàn)了優(yōu)化、擬合等經(jīng)典機器學(xué)習(xí)思想,往往是初學(xué)者首先學(xué)習(xí)的內(nèi)容。學(xué)生將在本周學(xué)習(xí)常見回歸理論

機器學(xué)習(xí)常見算法:學(xué)生將在本周了解KNN、K-means等機器學(xué)習(xí)常見算法

數(shù)據(jù)科學(xué)和機器學(xué)習(xí)最佳實踐:學(xué)生將在本周了解機器學(xué)習(xí)和數(shù)據(jù)科學(xué)最佳實踐指南,從中獲益

神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)

項目回顧和成果展示

論文輔導(dǎo)


時間安排與收獲

7周在線小組科研學(xué)習(xí)+5周論文輔導(dǎo)學(xué)習(xí) 共125課時

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(可用于申請)

結(jié)業(yè)證書

成績單

全球最大教育評估認證組織Cognia(原AdvanceED)及 College Board權(quán)威認證高中學(xué)分


更多課程分類
驗證碼

獲取驗證碼