集思學院的「線上科研項目」機器學習算法優化背后的計算數學理論與應用研究，適合希望申請人工智能，數據科學，統計學等相關領域博士的學生。
一、項目詳情
本項目為學生提供在監督學習環境中所需的現代數學工具。我們將重點分析和設計正則化方法以及一階優化方法，包括隨機梯度下降法，并介紹統計學理論中的主要思想。學生將在項目結束時，提交項目研究報告，進行成果展示。
機器學習算法優化背后的計算數學理論與應用研究培訓
二、適合人群
大學生
希望申請人工智能，數據科學，統計學等相關領域博士的學生，學生需要具備微積分、線性代數、概率論基礎，至少會使用一門編程語言實現如KNN等經典機器學習算法
三、項目大綱
統計學習：監督學習和無監督學習、建模數據、多元正態模型、正態線性模型、貝葉斯學習Statistical Learning.Topics in this week cover supervised and unsupervised learning,modeling data,multivariate normal models,normal linear models,and Bayesian learning.
回歸理論：線性回歸、線性模型分析、模型選擇與預測、非線性回歸、線性模型Regression.Topics in this week are about linear regression,analysis of linear models,model selection and prediction,nonlinear regression,and linear models in Python.
核與正則化方法:正則化、表示定理、高斯回歸、核主成分分析Regularization and Kernel methods.Topics in this week cover regularization,re-presenter theorem,Gaussian process regression,and Kernel principal component analysis.
機器學習優化方法Optimization for machine learning
分類、決策樹和集成方法:支持向量機、決策樹、隨機森林Classification,decision trees and ensemble methods.Topics in this week include support vector machine,decision trees,and random forests.
項目回顧與成果展示Program review and presentation
論文輔導和發表Project deliverables tutoring
模擬博士申請面試Mock interview for PhD application
四、時間安排與收獲
7周在線小組科研學習+5周論文輔導學習共125課時
學術報告
*學員獲主導師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表（可用于申請）
結業證書
成績單
集思學院是一家專業的背景提升平臺，集思學院科研品牌Path Academics通過創新技術方法和高學術道德標準，提供創新教育和跨學科研究項目，為全球大學生和優秀高中生創造海外高校的教學環境。我們致力于通過實際科研學習和思考方式培養學生，并賦予他們能夠在下一階段學習中脫穎而出的能力。
