背景提升 | 海外科研远程-『理工科』-人工智能专题：基于经典机器学习算法、游戏AI与大数据时代下的隐私保护策略的综合研究

免费领取各国留学资料包 ✦ 人工智能专题：基于经典机器学习算法、 游戏AI与大数据时代下的 隐私保护策略的综合研究

开始日期： 2023-08-12 课时安排： 7周在线小组科研学习+5周不限时论文指导学习 ✦ Prerequisites 适合人群 适合年级(Grade)： 高中生/大学生 适合专业(Major)： 计算机科学、数据科学、数学、统计学相关专业的学生； 学生需要具备线性代数及概率论与数理统计基础，至少会使用一门编程语言并修读过算法与数据结构，有机器学习项目开发经验的申请者优先。 ✦ Instructor Introduction 导师介绍 Vipul ✦ 卡内基梅隆大学(CMU)终身教授

✦ Program Background 项目背景 机器学习是人工智能与数据科学研究领域中一个重要的分支，回归模型作为传统的机器学习算法，通常用于预测分析，时间序列模型以及发现变量之间的因果关系。而随着机器学习中神经网络算法的深入研究，深度学习算法也逐步完善，其在自然语言处理及图像识别领域的应用已远远超过其他相关技术。项目将围绕着人工智能、数据科学与机器学习的理论与应用展开。 ✦ Program Description 项目介绍 本项目将从基础的机器学习介绍开始，而后了解不同种类的回归模型并逐步深入到人工智能与数据科学的核心研究方向：深度学习。学生将在项目中将获得对机器学习的基本理论知识和实操技能，并在项目结束时，提交个性化研究课题的项目报告，进行成果展示。 个性化研究课题参考： 基于机器学习的Yelp评论数据分析 Yelp Case Study: Machine Leaning Based Data Analysis 机器学习中的网络安全与隐私问题研究 Machine Leaning and Data Privacy 数据科学中的伦理道德问题与公平性 Ethics and fairness in Big Data Era 线性回归模型的*佳适用领域及其局限性 Linear Regression's Optimisation and Limitations. ✦ Syllabus 项目大纲 人工智能、数据科学与机器学习算法概述 An overview of the course：supervised and unsupervised learning. classification and regression. 线性回归模型与数据预测：误差分析及函数优化 Linear regression, cost function, gradient descent algorithm, the local minima problem, our first learning algorithm 线性代数基础与多项式回归模型 Background on linear algebra, matrices, handling multiple features in linear regression, polynomial regression 逻辑回归与正则化 Logistic regression, sigmoid function, regularization 神经网络：反向传播算法 Neural Networks, building and representing neural networks, training a neural network, backpropagation algorithm 机器学习过程中的数据安全问题 Computer security, privacy and machine learning 项目回顾与成果展示 Program review and presentation 论文辅导 Project deliverable tutoring ✦ Program Outcome 项目收获 4周在线小组科研学习+2周不限时论文指导学习 共125课时 项目报告 优秀学员获主导师Reference Letter EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导（可用于申请） 结业证书 *单