人工智能與數(shù)據(jù)科學(xué)科研項(xiàng)目：機(jī)器學(xué)習(xí)與深度學(xué)習(xí)模型、生成式對(duì)抗網(wǎng)絡(luò)理論與實(shí)踐【大二及以上組】

導(dǎo)師學(xué)校介紹

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(jì)算機(jī)科學(xué)方向享有盛譽(yù)，在2020年U.S.News世界大學(xué)排名綜排位列第二、計(jì)算機(jī)工程CE專排蟬聯(lián)首位。學(xué)校孕育了90位諾貝爾獎(jiǎng)得主、59位美國(guó)國(guó)家科學(xué)獎(jiǎng)?wù)芦@得者，以及75位麥克阿瑟獎(jiǎng)獲得者。

導(dǎo)師詳細(xì)介紹

導(dǎo)師昵稱

Mark

導(dǎo)師級(jí)別

終身教授

導(dǎo)師學(xué)校

麻省理工學(xué)院(MIT)

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(biāo)”美譽(yù)的美國(guó)斯隆研究獎(jiǎng)、國(guó)際最具聲望的博士后獎(jiǎng)勵(lì)Hubble Fellow。

Mark導(dǎo)師的研究興趣聚焦機(jī)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(jí)計(jì)算機(jī)強(qiáng)大的數(shù)據(jù)處理能力進(jìn)行數(shù)值模擬，訓(xùn)練機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型，借助機(jī)器學(xué)習(xí)與數(shù)據(jù)科學(xué)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(jì)算機(jī)科學(xué)，電子與計(jì)算機(jī)科學(xué)，信號(hào)與信息處理，機(jī)器學(xué)習(xí)，計(jì)算機(jī)工程，數(shù)據(jù)科學(xué)，數(shù)據(jù)分析，深度學(xué)習(xí)，人工智能，自然語(yǔ)言處理

項(xiàng)目?jī)r(jià)格：33800/19800

項(xiàng)目周期：7周在線小組科研+5周論文指導(dǎo)

是否建議高中生學(xué)習(xí)：否

是否建議大學(xué)生學(xué)習(xí)：是

語(yǔ)言：英文

難度：中級(jí)難度/高級(jí)難度

建議具備的基礎(chǔ)：對(duì)計(jì)算機(jī)科學(xué)、計(jì)算機(jī)工程、數(shù)據(jù)科學(xué)、數(shù)據(jù)處理、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)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(xué)習(xí)的學(xué)生；

學(xué)生需要具備大學(xué)線性代數(shù)及概率論與數(shù)理統(tǒng)計(jì)基礎(chǔ)，至少會(huì)使用一門編程語(yǔ)言并修讀過(guò)數(shù)據(jù)結(jié)構(gòu)，有機(jī)器學(xué)習(xí)算法開發(fā)經(jīng)驗(yàn)

科研項(xiàng)目產(chǎn)出

7周在線小組科研學(xué)習(xí)+5周論文指導(dǎo)學(xué)習(xí)共125課時(shí)+不限時(shí)論文指導(dǎo)

學(xué)術(shù)報(bào)告

優(yōu)秀學(xué)員獲主導(dǎo)師Reference Letter

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級(jí)別索引國(guó)際會(huì)議全文投遞與發(fā)表指導(dǎo)（可用于申請(qǐng)）

結(jié)業(yè)證書

成績(jī)單

項(xiàng)目介紹

學(xué)生將在項(xiàng)目中學(xué)習(xí)數(shù)據(jù)科學(xué)、機(jī)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(jī)器學(xué)習(xí)中的應(yīng)用。學(xué)生將在項(xiàng)目結(jié)束時(shí)，自選框架和問(wèn)題，使用Python開發(fā)機(jī)器學(xué)習(xí)應(yīng)用，提交項(xiàng)目報(bào)告，進(jìn)行成果展示。

個(gè)性化研究課題參考：

現(xiàn)有自然語(yǔ)言處理展示模型的挑戰(zhàn)與機(jī)遇

使用條件對(duì)抗網(wǎng)絡(luò)（CGAN）自動(dòng)生成動(dòng)畫素描

使用卷積神經(jīng)網(wǎng)絡(luò)針對(duì)內(nèi)容進(jìn)行照片分類

項(xiàng)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(wú)法快速、高效的達(dá)成既定目標(biāo)，而人工智能技術(shù)借助機(jī)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(yùn)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(xiàng)目將在來(lái)自計(jì)算機(jī)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(jìn)行，旨在介紹常用機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)理論，以及當(dāng)下最受歡迎的Python編程語(yǔ)言，引導(dǎo)學(xué)生探討不同的機(jī)器學(xué)習(xí)理論和實(shí)際應(yīng)用，為高階學(xué)習(xí)打下堅(jiān)實(shí)基礎(chǔ)。

項(xiàng)目大綱介紹

PCA、神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)內(nèi)容回顧 A quick review of Machine Learning

卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與正則化方法 CNN architectures and regularization method in Neural Networks

自動(dòng)編碼器 Discuss different types of Auto-Encoders,including AE,DAE,SAE,and VAE

生成式對(duì)抗網(wǎng)絡(luò) Generative Adversarial Networks

自然語(yǔ)言處理 Natural Language Processing

學(xué)術(shù)研討1：教授與各組學(xué)生探討并評(píng)估個(gè)性化研究課題可行性，幫助學(xué)生明晰后續(xù)科研思路

Final Project Preparation Session I

學(xué)術(shù)研討2：學(xué)生將在本周課前完成程序設(shè)計(jì)原型（prototype）及偽代碼（Pseudocode），教授將根據(jù)各組進(jìn)度進(jìn)行個(gè)性化指導(dǎo)，確保學(xué)生優(yōu)質(zhì)的終期課題產(chǎn)出

Final Project Preparation Session II

項(xiàng)目成果展示 Final Presentation

論文指導(dǎo) Project Deliverables Tutoring

>>沒有教授推薦信，缺少科研經(jīng)驗(yàn)？點(diǎn)擊這里提升背景<<