课程详情
2021-10-29
项目将首先带领学生回顾经典机器学习算法，重申监督式与非监督式学习的区别。而后教授将介绍自监督式学习这一前沿技术的主流方法及其在诸多领域如计算机视觉、自然语言处理的应用。
适合人群 大学生
数据科学、人工智能、统计学、机器学习、深度学习等专业的学生学生需要具备线性代数及概率论与数理统计基础，修读过算法与数据结构并能熟练使用如随机森林等经典机器学习算法
项目大纲 监督式与非监督式机器学习Classic ML Algorithms
自监督式机器学习Self-supervised Learning
生成式对抗网络Generative Adversarial Network
针对不同异常检测场景的方法Methodologies for Anomaly Detection Scenarios
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Final Project Preparation Session I
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Final Project Preparation Session II
项目成果展示Final Presentation
论文辅导Project Deliverables Tutoring
你有机会获得 人工智能拓展阅读材料
你有机会获得
扎实可见的学术成长
往期学员通过项目夯实学术基础，研究能力和学术写作能力获得成长，完成人生中*篇论文，优秀学员最终发表在了国内或国际核心期刊当中。
硬核科研成果
收获真正能展示你独特性、批判性思考力的科研经历，优秀学员有机会获得一封基于实际表现的真实有效的推荐信，以及导师的项目评分表。
更强的升学竞争力
在申请文书中展现项目经历，在面试过程中通过描述学术项目，向招生官展现自信、专业度、批判性思维能力，让申请文书言之有物、脱颖而出。
加入集思星人组织
结识全球的优秀同龄人和科研队友，参加海外导师来华参与线下互动，获得海量免费学习资料。
