密集項目：回歸模型與深度學(xué)習(xí)：讓一部分機(jī)器先智能起來

計算機(jī)科學(xué)/數(shù)據(jù)科學(xué)/人工智能/機(jī)器學(xué)習(xí)

項目背景

機(jī)器學(xué)習(xí)是人工智能研究領(lǐng)域中一個重要的分支，回歸模型作為傳統(tǒng)的機(jī)器學(xué)習(xí)算法，通常用于預(yù)測分析，時間序列模型以及發(fā)現(xiàn)變量之間的因果關(guān)系。而隨著機(jī)器學(xué)習(xí)中神經(jīng)網(wǎng)絡(luò)算法的深入研究，深度學(xué)習(xí)算法也逐步完善，其在自然語言處理及圖像識別領(lǐng)域的應(yīng)用已遠(yuǎn)遠(yuǎn)超過其他相關(guān)技術(shù)。項目將圍繞著人工智能與機(jī)器學(xué)習(xí)的理論與應(yīng)用展開。

項目介紹

本項目將從基礎(chǔ)的機(jī)器學(xué)習(xí)介紹開始，而后了解不同種類的回歸模型并逐步深入到人工智能的核心研究方向：深度學(xué)習(xí)。學(xué)生將在項目中將獲得對機(jī)器學(xué)習(xí)的基本理論知識和實操技能，并在項目結(jié)束時，提交個性化研究課題的項目報告，進(jìn)行成果展示。

個性化研究課題參考：

機(jī)器學(xué)習(xí)中的網(wǎng)絡(luò)安全與隱私問題研究

人工智能中的倫理道德問題與公平性

適用于隱私保護(hù)機(jī)器學(xué)習(xí)的高效MPC協(xié)議

線性回歸模型的最佳適用領(lǐng)域及其局限性

適合人群

高中生/大學(xué)生

計算機(jī)科學(xué)、數(shù)據(jù)科學(xué)、數(shù)學(xué)、統(tǒng)計學(xué)相關(guān)專業(yè)或?qū)ι鲜鲱I(lǐng)域感興趣的學(xué)生； 學(xué)生需要具備線性代數(shù)及概率論與數(shù)理統(tǒng)計基礎(chǔ)，至少會使用一門編程語言并修讀過算法與數(shù)據(jù)結(jié)構(gòu)，有機(jī)器學(xué)習(xí)項目開發(fā)經(jīng)驗的申請者優(yōu)先

導(dǎo)師介紹

卡耐基梅隆大學(xué)終身教授

Vipul導(dǎo)師現(xiàn)任卡耐基梅隆大學(xué)CMU計算機(jī)科學(xué)部門終身教授，曾任前微軟印度研究院研究員。他在學(xué)術(shù)領(lǐng)域碩果累累。他曾榮獲2016年ACM計算機(jī)與通信安全會議（CCS）時間檢驗獎，并且位列2013年福布斯科學(xué)和醫(yī)療領(lǐng)域“30位30歲以下人物榜（30 under 30）”。Vipul導(dǎo)師曾在《麻省理工科技評論》、Slashdot、《自然》等熱門科學(xué)刊物上發(fā)表多篇文章，受邀至麻省理工學(xué)院MIT、普林斯頓大學(xué)、德里印度理工學(xué)院等高等學(xué)府發(fā)表演講。他曾在Crypto、Eurocrypt和ACM CSS等會議的項目委員會任職，并且在Crypto、Eurocrypt、STOC、FOCS和ACM CCS等計算機(jī)科學(xué)頂級會議上發(fā)表技術(shù)論文80余篇，堪稱同時代論文引用量最多的密碼學(xué)家之一。

任職學(xué)校

卡耐基梅隆大學(xué)（CMU）始建于1900年，是世界范圍內(nèi)頗負(fù)盛名的私立研究型大學(xué)，擁有世界歷史最悠久的計算機(jī)學(xué)院之一，在2020年QS世界大學(xué)計算機(jī)科學(xué)排名中位列第3，2019年U.S.News計算機(jī)科學(xué)美國排名第一位?！敖刂?021年1月，學(xué)校的教員和校友中共有20人獲得諾貝爾獎，13人獲得圖靈獎，22人獲評美國藝術(shù)與科學(xué)院院士，19人進(jìn)入美國科學(xué)促進(jìn)會，72人入選美國國家學(xué)院?！?

項目大綱

人工智能與機(jī)器學(xué)習(xí)算法概述 An overview of the course：supervised and unsupervised learning. classification and regression.

線性回歸模型：誤差分析及函數(shù)優(yōu)化 Linear regression, cost function, gradient descent algorithm, the local minima problem, our first learning algorithm

線性代數(shù)基礎(chǔ)與多項式回歸模型 Background on linear algebra, matrices, handling multiple features in linear regression, polynomial regression

邏輯回歸與正則化 Logistic regression, sigmoid function, regularization

神經(jīng)網(wǎng)絡(luò)：反向傳播算法 Neural Networks, building and representing neural networks, training a neural network, backpropagation algorithm

機(jī)器學(xué)習(xí)過程中的數(shù)據(jù)安全問題 Computer security, privacy and machine learning

項目回顧與成果展示 Program review and presentation

論文輔導(dǎo) Project deliverable tutoring

時間安排與收獲

4周在線小組科研學(xué)習(xí)+2周論文輔導(dǎo)學(xué)習(xí) 共125課時

學(xué)術(shù)報告

優(yōu)秀學(xué)員獲主導(dǎo)師Reference Letter

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級別索引國際會議全文投遞與發(fā)表（可用于申請）

結(jié)業(yè)證書

成績單