适合具备计算机科学、数据科学、人工智能、机器学习专业或对以上专业感兴趣的大学生及以上学历人群。

大数据的价值体现主要集中在数据的转向以及数据的信息处理能力等等。在产业发展的今天，大数据时代的到来，对数据的转换，数据的处理数据的存储等带来了更好的技术支持，产业升级和新产业诞生形成了一种推动力量，让大数据能够针对可发现事物的程序进行自动规划，实现人类用户以计算机信息之间的协调。项目也将围绕着数据预测性分析与分类的核心技术—机器学习及深度学习展开。

　　一、项目基本介绍

　　项目全称：机器学习与数据科学专题：监督式与非监督式学习，基于SVM、K-means等分类与聚类方式的算法研究【大学组】

　　开课时间：2025-08-09

　　本项目将带领学生详细了解机器学习的主要方法和当前的研究方向，涵盖机器学习中的不同算法的分析与对比。项目在讨论至今仍有效的如决策树的经典算法外，还将讨论以深度学习为例的改变了机器学习领域的新技术。学生还将接触到现实世界中的问题，在这些问题中，将使用机器学习或深度学习中的各种工具给出和分析样本数据,以及用Python及其中的深度学习框架实现所学算法的实践。

　　个性化研究课题参考 Suggested Research Fields

　　欺骗性、重复性的广告检测算法研究 Research on Deceptive and Duplicate Advertisement Detection Algorithms

　　针对用户搜索记录的酒店推荐算法 Recommendation System for Hotel Reservations Based on the User’s search History

　　根据网约车当前运行轨迹，预测本次行程时间的算法开发 Predict the total travel time of taxi trips based on their initial partial trajectories

　　预测土壤的物理化学成分 Predict physical and chemical properties of soil using spectral measurements

　　二、项目学习大纲

　　1、概率论与统计学理论回顾 Review of Probability and Statistics

　　2、监督式机器学习：分类及回归模型 Supervised Machine Learning： Classification and Regression Models

　　3、非监督式机器学习：聚类及数据降维Unsupervised Machine Learning： Clustering and Dimension Reduction

　　4、深度学习与神经网络 Introduction to Deep Learning and Neural Networks

　　5、主流深度学习框架介绍 Tensorflow, Pytorch and Their Applications

　　6、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

　　7、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

　　8、项目成果展示 Final Presentation

　　9、论文辅导 Project Deliverables Tutoring

7周在线小组科研学习+5周不限时论文指导学习

1、助力世界计算机相关名校申请

2、获得美国顶级大学教授推荐信

3、获得发表论文资格

4、高含金量的项目报告及证书