【美國名校線上科研】麻省理工學院數(shù)據科學與統(tǒng)計學專題項目
2024-11-22 17:42:31項目基本信息

專業(yè)類別
理工

參加形式
線上
適合人群
數(shù)據科學、數(shù)據處理、統(tǒng)計學、機器學習、深度學習等專業(yè)的大學生以上人群。
導師介紹

Mark
麻省理工學院終身正教授
Mark導師現(xiàn)任麻省理工學院(MIT)終身正教授,曾獲素有“諾貝爾風向標”美譽的美國斯隆研究獎、國際最具聲望的博士后獎勵Hubble Fellow,并在多個年份獲得Web of Science高被引學者稱號。 Mark導師的研究興趣聚焦機器學習、數(shù)據科學、人工智能、宇宙物理等,善于利用高性能超級計算機強大的數(shù)據處理能力進行數(shù)值模擬,訓練機器學習和深度學習模型,借助機器學習與數(shù)據科學技術分析模擬數(shù)據。
項目背景
大數(shù)據的本質是海量的、多維度、多形式的數(shù)據。所以,在大數(shù)據面前,以往的數(shù)據處理方式無法快速、高效的達成既定目標,而人工智能技術借助機器學習與深度學習算法,更加靈活,并且可以根據不同的訓練數(shù)據擁有自優(yōu)化能力,從而使運算量顯著增加?!叭斯ぶ悄堋迸c“大數(shù)據”的完美結合將改變我們的日常生活,也即將成為各領域研究發(fā)展方向的變革工具。項目旨在介紹常用統(tǒng)計學、機器學習和數(shù)據科學理論,以及當下最受歡迎的Python編程語言,引導學生探討不同的數(shù)據分析理論和實際應用,為高階學習打下堅實基礎。
項目大綱
一、麻省理工學院數(shù)據科學與統(tǒng)計學專題項目簡介
致理計劃:數(shù)據科學與統(tǒng)計學專題:回歸模型與貝葉斯統(tǒng)計及Python數(shù)據處理方法綜合研究【大學組】
參加后收獲:學生將在項目結束時,自選框架和問題,使用Python開發(fā)數(shù)據分析應用,提交項目報告,進行成果展示。
二、麻省理工學院數(shù)據科學與統(tǒng)計學專題適合人群
適合年級 (Grade): 大學生及以上
適合專業(yè) (Major): 數(shù)據科學、數(shù)據處理、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(shù)及概率論與數(shù)理統(tǒng)計基礎,至少會熟練使用一門編程語言并修讀算法與數(shù)據結構,有過機器學習項目開發(fā)經驗的申請者優(yōu)先;建議預修專業(yè)基礎課程:《Python編程與數(shù)據處理》、《機器學習的數(shù)學基礎:線性代數(shù)》、《高等數(shù)學微積分與應用》、《概率論與數(shù)理統(tǒng)計基礎》
建議選修: Python數(shù)據處理及其數(shù)學原理
三、麻省理工學院數(shù)據科學與統(tǒng)計學專題課程大綱
1、數(shù)據收集、表示及預處理方法 Dealing with Data: Data Representation; Data Collection and Management;
2、數(shù)據降維與聚類方法 Dimensionality Reduction including PCA, LDA, and Manifold Learning.Clustering including K-Means, K-Means++, and Hierarchical Clustering
3、回歸模型與貝葉斯估計 Linear Regression and Bayesian Inference, Polynomial Regression
4、機器學習分類方法 Classification in General; K-Nearest Neighbors; Decision Trees; Probabilistic Model: Logistic Regression. Multi-class classification
5、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
6、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
7、項目成果展示 Final Presentation
8、論文輔導 Project Deliverables Tutoring
四、麻省理工學院數(shù)據科學與統(tǒng)計學專題時間安排
開始日期:2024-12-14;課時安排:7周在線小組科研學習+5周不限時論文指導學習
課時安排
12周時間安排
報名方式

項目收獲
1、優(yōu)秀學員獲主導師Reference Letter
2、獲得高質量的結業(yè)證書
3、增強數(shù)據科學及統(tǒng)計相關的背景競爭力
4、有效助力世界名校申請成功