人工智能與數(shù)據(jù)科學科研項目：機器學習與深度學習模型、生成式對抗網(wǎng)絡理論與實踐【大二及以上組】

2023-01-03 16:02:24 來源：中國教育在線

導師學校介紹

麻省理工學院（MIT）創(chuàng)立于1861年，是世界著名私立研究型大學，在計算機科學方向享有盛譽，在2020年U.S.News世界大學排名綜排位列第二、計算機工程CE專排蟬聯(lián)首位。學校孕育了90位諾貝爾獎得主、59位美國國家科學獎章獲得者，以及75位麥克阿瑟獎獲得者。

導師詳細介紹

導師昵稱

Mark

導師級別

終身教授

導師學校

麻省理工學院(MIT)

Mark導師現(xiàn)任麻省理工學院（MIT）終身教授，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。

Mark導師的研究興趣聚焦機器學習、數(shù)據(jù)科學、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，訓練機器學習和深度學習模型，借助機器學習與數(shù)據(jù)科學技術(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，電子與計算機科學，信號與信息處理，機器學習，計算機工程，數(shù)據(jù)科學，數(shù)據(jù)分析，深度學習，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

是否建議高中生學習：否

是否建議大學生學習：是

語言：英文

難度：中級難度/高級難度

建議具備的基礎：對計算機科學、計算機工程、數(shù)據(jù)科學、數(shù)據(jù)處理、機器學習、深度學習等專業(yè)和課題感興趣，相關(guān)專業(yè)或希望在相關(guān)領(lǐng)域深入學習的學生；

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

科研項目產(chǎn)出

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

項目介紹

學生將在項目中學習數(shù)據(jù)科學、機器學習的理論和方法，了解并且掌握Python在數(shù)據(jù)科學和機器學習中的應用。學生將在項目結(jié)束時，自選框架和問題，使用Python開發(fā)機器學習應用，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（CGAN）自動生成動畫素描

使用卷積神經(jīng)網(wǎng)絡針對內(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，而人工智能技術(shù)借助機器學習與深度學習算法，更加靈活，并且可以根據(jù)不同的訓練數(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院的終身教授的指導下進行，旨在介紹常用機器學習和數(shù)據(jù)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機器學習理論和實際應用，為高階學習打下堅實基礎。

項目大綱介紹

PCA、神經(jīng)網(wǎng)絡等機器學習內(nèi)容回顧 A quick review of Machine Learning

卷積神經(jīng)網(wǎng)絡結(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 Generative Adversarial Networks

自然語言處理 Natural Language Processing

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