课程详情
2024-05-28
广州集思未来的人工智能与数据科学专题:机器学习与深度学习模型生成式对抗网络理论与实践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，提交项目报告，进行成果展示。
适合人群
适合年级(Grade):高中生/大学生
适合专业(Major)对计算机科学、计算机工程、数据科学、数据处理、机器学习、深度学习等专业和课题感兴趣，相关专业或希望在相关领域深入学习的学生;
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、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，以及当下较受欢迎的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。
项目大纲
PCA、神经网络等机器学习内容回顾
卷积神经网络结构与正则化方法
自动编码器
生成式对抗网络
自然语言处理
学术研讨1:教授与各组学生探讨并评估个性化研究课题可行性，帮助学生明晰后续科研思路
学术研讨2:学生将在本周课前完成程序设计原型(prototype)及伪代码(Pseudocode)，教授将根据各组进度进行个性化指导，确保学生优质的终期课题产出
项目成果展示
论文指导
项目收获
7周在线小组科研学习+5周论文指导学习共125课时+不论文指导
学术报告
学员获主导师Reference Letter
EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导(可用于申请)结业证书
成绩单
导师简介
Mark麻省理工学院(MIT)终身教授
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、国际较具声望的博士后奖励Hubble Fellow，并在多个年份获得Web of Science高被引学者称号。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。
