背景提升之理工科科研項目——機器學習與數(shù)據(jù)科學

近年來美國院校錄取標準中,，學習成績逐漸被視為最低要求,，美國的各大院校開始審視申請學生除了課堂學習以外的科研經(jīng)歷，今天優(yōu)弗小編就來介紹一項關(guān)于理工科的科研項目——機器學習與數(shù)據(jù)科學,，這個項目是CMU導師哦,。

項目安排 Program Arrangement

開課時間 (Starting Date): 2022-07-16

課時安排 (Duration): 7周在線小組科研+5周論文指導

適合人群 Prerequisites

適合年級 (Grade): 大學生及以上

適合專業(yè) (Major): 計算機科學、數(shù)據(jù)科學,、人工智能,、機器學習專業(yè)或?qū)σ陨蠈I(yè)感興趣的學生。

學生需要具備微積分及線性代數(shù)基礎(chǔ),，至少會熟練使用一門編程語言,，修讀過算法與數(shù)據(jù)結(jié)構(gòu)的申請者優(yōu)先

項目收獲 Program Outcome

7周在線小組科研學習+5周論文指導學習 共125課時+不限時論文指導

學術(shù)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(jié)業(yè)證書

成績單

項目背景 Program Background

大數(shù)據(jù)的價值體現(xiàn)主要集中在數(shù)據(jù)的轉(zhuǎn)向以及數(shù)據(jù)的信息處理能力等等。在產(chǎn)業(yè)發(fā)展的今天,，大數(shù)據(jù)時代的到來,，對數(shù)據(jù)的轉(zhuǎn)換，數(shù)據(jù)的處理數(shù)據(jù)的存儲等帶來了更好的技術(shù)支持,，產(chǎn)業(yè)升級和新產(chǎn)業(yè)誕生形成了一種推動力量,，讓大數(shù)據(jù)能夠針對可發(fā)現(xiàn)事物的程序進行自動規(guī)劃,，實現(xiàn)人類用戶以計算機信息之間的協(xié)調(diào)。項目也將圍繞著數(shù)據(jù)預測性分析與分類的核心技術(shù)—機器學習及深度學習展開,。

項目介紹 Program Description

本項目將帶領(lǐng)學生詳細了解機器學習的主要方法和當前的研究方向,，涵蓋機器學習中的不同算法的分析與對比。項目在討論至今仍有效的如決策樹的經(jīng)典算法外,，還將討論以深度學習為例的改變了機器學習領(lǐng)域的新技術(shù),。學生還將接觸到現(xiàn)實世界中的問題，在這些問題中,，將使用機器學習或深度學習中的各種工具給出和分析樣本數(shù)據(jù),以及用Python及其中的深度學習框架實現(xiàn)所學算法的實踐,。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.

個性化研究課題參考 Suggested Research Fields

欺騙性、重復性的廣告檢測算法研究 Research on Deceptive and Duplicate Advertisement Detection Algorithms

針對用戶搜索記錄的酒店推薦算法 Recommendation System for Hotel Reservations Based on the User’s search History

根據(jù)網(wǎng)約車當前運行軌跡,，預測本次行程時間的算法開發(fā) Predict the total travel time of taxi trips based on their initial partial trajectories

預測土壤的物理化學成分 Predict physical and chemical properties of soil using spectral measurements

導師介紹 Instructor Introduction

Shlomo

卡耐基梅隆大學終身正教授

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學(CMU)終身正教授,，他曾在魏茨曼科學研究所(Weizmann Institute of Science)攻讀博士學位。之后移居美國,，并在位于美國宇航局蘭利研究中心的ICASE(科學與工程計算機應用研究所)工作,。教授從1994年任職于卡內(nèi)基梅隆大學，研究方向包括解決流體動力學方程和處理大規(guī)模優(yōu)化的相關(guān)問題,。

任職學校 University/College

卡耐基梅隆大學(CMU)始建于1900年,，是世界范圍內(nèi)頗負盛名的私立研究型大學，擁有世界歷史最悠久的計算機學院之一,，在2020年QS世界大學計算機科學排名中位列第3.2020年U.S.News計算機科學美國排名第二位,。“截至2019年3月,，學校的教員和校友中共有20人獲得諾貝爾獎,，13人獲得圖靈獎，22人獲評美國藝術(shù)與科學院院士,，19人進入美國科學促進會，72人入選美國國家學院,?！?/p>

項目大綱 Program Outline

概率論與統(tǒng)計學理論回顧 Review of Probability and Statistics

監(jiān)督式機器學習：分類及回歸模型 Supervised Machine Learning： Classification and Regression Models

非監(jiān)督式機器學習：聚類及數(shù)據(jù)降維Unsupervised Machine Learning： Clustering and Dimension Reduction

深度學習與神經(jīng)網(wǎng)絡 Introduction to Deep Learning and Neural Networks

主流深度學習框架介紹 Tensorflow, Pytorch and Their Applications

學術(shù)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(shù)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(jù)各組進度進行個性化指導,，確保學生優(yōu)質(zhì)的終期課題產(chǎn)出 Final Project Preparation Session II

項目成果展示 Final Presentation

論文輔導 Project Deliverables Tutoring

相關(guān)推薦：

美研申請背景提升之理工科科研項目——數(shù)據(jù)處理與統(tǒng)計分析研究

優(yōu)弗教育首次獨家采用“雙團隊”導師模式-“DoubleTeam”。團隊一：由兩位主導師組成為“首席專家顧問團隊”,。團隊二：由三位導師組成為“規(guī)劃執(zhí)行團隊”,。在優(yōu)弗獨具特色的“雙團隊”指導下，具備專業(yè)性,，聯(lián)動性以及高執(zhí)行力這三大特點,，讓整體規(guī)劃突破傳統(tǒng)留學導師架構(gòu),，真正突顯每一位導師在學生身上可發(fā)展力，可塑造力,，從而將服務做實,，做精，做細?。,。?/p>