机器学习与数据科学-初阶【高中组】

计算机科学/数据科学

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，提交项目报告，进行成果展示。

个性化研究课题参考：

使用生成对抗网络生成手写数字

利用 BERT算法及调整单词中的自注意力实现语义识别

生成对抗网络各变种在图像分类上的表现差异分析

适合人群

高中生

计算机科学、计算机工程、数据科学、数据处理、机器学习、深度学习等专业的学生；有Python知识的学生优先

导师介绍

麻省理工学院终身教授

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。

任职学校

麻省理工学院（MIT）创立于1861年，是世界著名私立研究型大学，在计算机科学方向享有盛誉，在2020年U.S.News世界大学排名综排位列第二、计算机工程CE专排蝉联首位。学校孕育了90位诺贝尔奖得主、59位美国国家科学奖章获得者，以及75位麦克阿瑟奖获得者。

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

时间安排与收获

7周在线小组科研学习+5周论文辅导学习 共125课时

学术报告

优秀学员获主导师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（可用于申请）

结业证书

成绩单

全球最大教育评估认证组织Cognia（原AdvanceED）及 College Board权威认证高中学分