海外名校导师项目--机器学习与数据科学-初阶【高中组】
分类:专家指南2021-05-24
机器学习与数据科学-初阶【高中组】
项目背景
大数据的本质是海量的、多维度、多形式的数据。所以,在大数据面前,以往的数据处理方式无法快速、高效的达成既定目标,而人工智能技术借助机器学习与深度学习算法,更加灵活,并且可以根据不同的训练数据拥有自优化能力,从而使运算量显著增加。
“人工智能”与“大数据”的完美结合将改变我们的日常生活,也即将成为各领域研究发展方向的变革工具。
项目将在来自计算机专业排名前列的麻省理工学院的终身教授的指导下进行,旨在介绍常用机器学习和数据科学理论,以及当下最受欢迎的Python编程语言,引导学生探讨不同的机器学习理论和实际应用,为高阶学习打下坚实基础。
项目介绍
学生将在项目中学习数据科学、机器学习的理论和方法,了解并且掌握Python在数据科学和机器学习中的应用。学生将在项目结束时,自选框架和问题,使用Python开发机器学习应用,提交项目个性化研究课题报告,进行成果展示。
个性化研究课题参考:
利用BERT算法及调整单词中的自注意力实现语义识别
使用生成对抗网络生成手写数字
用于空间数据的卷积神经网络CNN算法应用情况研究
生成对抗网络各变种在图像分类上的表现差异分析
导师介绍
Mark
麻省理工学院终身教授
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.
Mark导师现任麻省理工学院(MIT)终身教授,曾获素有“诺贝尔风向标”美誉的美国斯隆研究奖、国际最具声望的博士后奖励Hubble Fellow。
Mark导师的研究兴趣聚焦机器学习、数据科学、人工智能、天体物理,善于利用高性能超级计算机强大的数据处理能力进行数值模拟,训练机器学习和深度学习模型,借助机器学习与数据科学技术分析模拟数据。
项目大纲
机器学习与数据科学概论:学生将在本周了解机器学习和数据科学的基础理论和方法,探讨机器学习和数据科学在业界和学界的最新动态及应用
机器学习基础数学理论:机器学习模型和算法理解需要具备良好的数学逻辑和基础。学生将在本周了解机器学习背后的逻辑和线性代数等必备数学理论
回归理论:回归理论是机器学习的基础理论。线性回归体现了优化、拟合等经典机器学习思想,往往是初学者首先学习的内容。学生将在本周学习常见回归理论
机器学习常见算法:学生将在本周了解KNN、K-means等机器学习常见算法
数据科学和机器学习最佳实践:学生将在本周了解机器学习和数据科学最佳实践指南,从中获益
神经网络和深度学习
项目回顾和成果展示
论文辅导
