機器學習與計算機算法：抖音推薦算法核心技術 Machine Learning:Theory and Practical Algorithms

人工智能/數(shù)據(jù)科學/商業(yè)分析

課題背景

人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，具體涉及概率論、統(tǒng)計學、算法、自然語言、人機交互、計算機視覺等等多個學科。其中，推薦算法，作為人工智能的子領域，被《麻省理工科技評論》稱為信息井噴式爆增時代的技術新寵，為人們解決了很多現(xiàn)實問題。TikTok抖音流行的背后就是它的推薦算法滿足了用戶、廣告商、平臺三方需求。此外，后疫情時代，人們的生活模式已經(jīng)發(fā)生巨大轉變，用戶將更多時間用在了線上，這些變化不會隨著疫情的消失而消失。這也間接提升了推薦系統(tǒng)面對的用戶規(guī)模，為推薦系統(tǒng)的發(fā)展創(chuàng)造了新的機遇與挑戰(zhàn)。

課題內(nèi)容

課程聚焦不同角度下的機器學習理論和實際算法基礎，結合當下最受歡迎的Python、Java/Scala編程語言，引導學生開展推薦算法模型研究，在小組科研中，教授將帶領學生掌握相關數(shù)學基礎，機器學習相關技術，探討基于內(nèi)容的推薦算法和協(xié)同過濾推薦算法的原理和實現(xiàn)方案，了解數(shù)據(jù)收集、存儲與分析等研究方法。學生將通過項目學習熟知推薦算法系統(tǒng)的研究工具，撰寫個性化的研究型報告，在項目結束時提交科研成果。

適合人群

 對計算機專業(yè)感興趣的高中生，本科生 

修讀計算機、（電子）電氣工程、信息工程等專業(yè)，以及未來希望在機器學習、算法、編程、數(shù)據(jù)分析等領域從業(yè)的學生 

具備較高水平的數(shù)學能力，熟悉線性/矩陣代數(shù)、概率論和多元微積分；了解Python語言的學生優(yōu)先 

建議學生提前掌握算法設計與數(shù)據(jù)結構

教授介紹

南加州大學計算機科學系教授

曾任美國國家科學研究所計算機通信分部項目首席研究員

USC工程領事、教師績效評估委員會成員

榮獲Herbert Simon計算機科學卓越教學獎 獨立開發(fā)高級編程實務(Java)課程

《數(shù)學分析與應用雜志》、《積分變換和特殊函數(shù)》、《計算與應用數(shù)學雜志》等期刊同行審查委員會高級成員

課程安排與收獲

10周在線小組科研（總計72課時）

網(wǎng)申推薦信

學術評估報告

項目成績單

論文成果

* 課時包含：導師課程36課時+助教課程30課時+寫作課程6課時，不包含先修課課時
* 完成研究后滿足學術條件和教授要求可獲得推薦信，教授將嚴格按照學生實際表現(xiàn)對學生進行客觀評價。