人工智能与数据科学科研项目：机器学习与深度学习模型、生成式对抗网络理论与实践【大二及以上组】

导师学校介绍

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。

导师详细介绍

导师昵称

Mark

导师级别

终身教授

导师学校

麻省理工学院(MIT)

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。

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.

适合人群

方向：理工

专业：人工智能

适合专业：计算机科学，电子与计算机科学，信号与信息处理，机器学习，计算机工程，数据科学，数据分析，深度学习，人工智能，自然语言处理

项目价格：33800/19800

项目周期：7周在线小组科研+5周论文指导

是否建议高中生学习：否

是否建议大学生学习：是

语言：英文

难度：中级难度/高级难度

建议具备的基础：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；

学生需要具备大学线性代数及概率论与数理统计基础，至少会使用一门编程语言并修读过数据结构，有机器学习算法开发经验

科研项目产出

7周在线小组科研学习+5周论文指导学习共125课时+不限时论文指导

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指导（可用于申请）

结业证书

成绩单

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：

现有自然语言处理展示模型的挑战与机遇

使用条件对抗网络（CGAN）自动生成动画素描

使用卷积神经网络针对内容进行照片分类

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。

项目大纲介绍

PCA、神经网络等机器学习内容回顾 A quick review of Machine Learning

卷积神经网络结构与正则化方法 CNN architectures and regularization method in Neural Networks

自动编码器 Discuss different types of Auto-Encoders,including AE,DAE,SAE,and VAE

生成式对抗网络 Generative Adversarial Networks

自然语言处理 Natural Language Processing

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

论文指导 Project Deliverables Tutoring

>>没有教授推荐信，缺少科研经验？点击这里提升背景<<