菁英科研项目：人工智能与数据科学专题：基于LSTM等序列模型、GAN等生成模型的深度学习算法综合研究与应用【大三及以上组】

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，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

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/高级难度

建议具备的基础：本科阶段就读于美国Top50/英国Top10/国内世界一流大学建设高校A类（原985高校），参考学校列表：https://shimo.im/docx/VYt6PXphKchpQ6jv/《菁英班学生院校列表-大学》；GPA3.5分以上，托福90分以上，雅思6.5以上；数据科学、计算机科学、人工智能、机器学习、深度学习等专业或希望修读相关专业的学生；学生需要具备大学微积分、线性代数、概率论与数理统计基础、熟练掌握Python编程并修读过数据结构相关课程，并有过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

项目中，教授将具体介绍ML和AI中的生成方法。教授将从逻辑回归模型开始，首先介绍神经网络的概念，随后深入研究深度学习模型的训练和测试方法。然后我们将介绍卷积神经网络并讨论包括自动编码器和生成对抗网络内的生成方法。最后，我们将讨论顺序建模框架及其在自然语言处理和强化学习中的应用。学生将在项目结束时，自选开发框架，使用Python语言开发深度学习应用，提交项目报告，进行成果展示。The course will give a specific introduction to the generative methods in ML and AI.We will first introduce the concept of Neural Networks,starting from the well-known logistic regression model.Then we will dive deeply into the techniques of training and benchmarking the deep learning models.Then we will introduce the convolutional neural networks.Then we will spend some time discussing the generative methods including autoencoders and generative adversarial networks.Finally,we will discuss the sequential modeling frameworks and its application to natural language processing as well as reinforcement learning.We will cover the motivation,the theory,and the implementation of Deep Learning in the course.

项目背景

深度学习使用分层算法模型分析数据，是机器学习的重要研究领域；运用统计与预测建模收集、分析、解读海量信息，是数据科学的核心组成部分；模拟人脑神经网络处理数据，设计模型，训练模型，做出决策，是人工智能的一大分支。深度学习技术通常用于研发图像识别工具、自然语言处理和语音识别软件，完善自动驾驶、语言翻译服务；在零售、医疗、汽车、农业、安全、制造业有着广泛应用。随着数字化趋势的兴起，全球深度学习市场增长强劲，预计在2020-2025年复合年增长率将达到30%左右。机器学习的场景有哪些？如何使用Python语言开发深度学习应用？项目聚焦Python编程语言和Google开源深度学习框架TensorFlow在深度学习中的应用。

项目大纲介绍

神经网络与计算数学、统计学优化方法Neural Networks：regularization in Neural Networks,including early stopping,weight decay,dropout,and batch normalization.

卷积神经网络与应用Widely used CNN architectures,including the AlexNet,GoogLeNet,ResNet,and MobileNet.

生成式模型与计算机视觉Generative Methods in Computer Vision

序列模型与自然语言处理Sequential Modeling and Natural Language Processing

强化学习Reinforcement Learning

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

>>没有教授推荐信，缺少科研经验？点击这里提升背景<<