课程方向：计算机科学、信息工程、数据科学、高等数学、统计学、机器学习、深度学习、优化、强化学习


授课导师：终身教授


项目形式：线下面授科研
 
研究方向


Option 1
本课程将大致概括以下方向：
神经网络和深度学习基础
改进神经网络的技术：正则化和优化、超参数调整和深度学习框架（Tensorflow和Keras）
组织和成功构建机器学习项目的策略
卷积神经网络及其应用（物体分类、物体检测、人脸验证、风格转换…）和相关方法
递归神经网络及其应用（自然语言处理、语音识别等）和相关方法


Option 2
机器如何从数据或经验中学习以提高给定任务的性能？在有限的时间和内存资源下，机器如何实现能够很好地适应新情况的性能？这些都是机器学习的基本问题，机器学习是一个不断增长的知识领域，它结合了计算机科学、优化和统计技术。
本课程将全面概述受监督的机器学习：
监督学习：给定一个预测任务的输入和相应输出的集合，我们如何准确预测与未来输入相对应的输出？
课程将包含以下小点：线性和邻域法回归；线性和邻域法分类；神经网络；树木和合奏；内核方法；推荐系统


Option 3
机器学习其实就是由模型的表示，优化和模型评估三部分组成。将一个实际问题转化为待求解的模型，利用优化算法求解模型，利用验证或测试数据评估模型，循环这三个步骤直到得到满意的模型。因此，优化算法在机器学习中起着一个承上启下的作用。本课程我们将聚焦机器学习优化的以下内容：线性优化；鲁棒优化；网络流量；离散优化；动态优化；非线性优化

*以上仅为参考，可根据实际需求在教授研究范围内定制课题

适合人群

对计算机科学、信息工程、数据科学、高等数学、统计学、机器学习、深度学习、优化、强化学习等感兴趣的同学
有意提高自身知识水平和学术能力的同学
有留学意向、跨专业深造或计划考取名校的同学
希望提升留学软实力，增强申请背景的同学
希望在学术期刊上发表论文来提升个人竞争力的同学


项⽬邀请美国知名⼤学热⻔专业教授，以线下面对面小组教学的指导⽅式带领学⽣在项⽬期间进行课题研究。项⽬课程着重传授和提升学⽣的学术研究⽅法和技巧，增强学⽣的批判性思维、学术研究和学术表达能力。参加项⽬的学⽣将收获独⽴、个性化的项目成果，以增强学术研究背景。优秀的学⽣将获得由教授提供的用于升学申请的推荐信。

课程形式


课程时间
2023年7月17日


授课平台
美国线下面授


课程时长

项目总时长--3周美国线下
——10.5⼩时名校教授线下亲授
——13.5⼩时学术助教辅导
——每周建议保持8-10小时自主研究