CMU导师：机器学习与数据科学【大学组】

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。

适合人群

大学生

大学生 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 具备Python基础知识，数学逻辑良好的学生优先

导师介绍

卡耐基梅隆大学教授

Jovan导师现任卡耐基梅隆大学电子与计算机工程学院教授，拥有田纳西大学电子与计算机工程博士和硕士学位。Jovan导师的研究兴趣为数字仿真、离散时间滤波器、人工智能、神经网络等，在IEEE期刊发表论文多篇。

任职学校

卡耐基梅隆大学（CMU）始建于1900年，是世界范围内颇负盛名的私立研究型大学，拥有世界历史最悠久的计算机学院之一，在2019年QS世界大学计算机科学排名中位列第3，2019年U.S.News计算机科学美国排名首位。“截至2019年3月，学校的教员和校友中共有20人获得诺贝尔奖，13人获得图灵奖，22人获评美国艺术与科学院院士，19人进入美国科学促进会，72人入选美国国家学院。”

项目大纲

线性代数、集合、空间、概率与统计数据描述

线性与非线性回归

决策树

主成分分析

支持向量机

朴素贝叶斯：朴素贝叶斯分类理论

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