数据处理与统计分析研究

详情介绍

项目背景
统计分析通过对大数据进行收集、探索、呈现，发现其中隐藏模式及趋势，现已渗透于社会生活的方方面面。制造商通过统计分析提升织物美观度及耐用度、优化航空工业生产运行；研究人员通过统计分析处理疫苗研发数据，保证其稳定性、安全性；通信公司通过数据分析优化网络资源，提升服务质量，深入了解客户需求，减少客户流失；各国政府依靠统计数据清晰了解国家经济金融及人口现状。

项目介绍
项目中，学生将掌握统计学和线性代数的基本概念，并通过实践，学习如何将数学工具应用于数据处理中。项目涵盖的主要理论概念包括：概率分布和贝叶斯决策，矩阵的表示和操作，马尔科夫链和结构化统计关系，近似推理和简单的神经网络结构等。

个性化研究课题参考：

运用蒙特卡洛模拟法的数据流调度优化模型研究

朴素贝叶斯分类器模型改进

基于多源迁移学习的数据校验方法

适合人群
大学生

对计算机科学、数据科学、统计学感兴趣，希望跟随名校导师进行深度科研项目，选择相关领域作为未来学术研究或就业方向的学生。学生需要具备概率论与数理统计基础，至少会使用一门编程语言实现经典机器学习算法，有过Pytorch开发经验的申请者优先

项目大纲
概率模型和贝叶斯推断，进行数据预处理 Introduce probability models and Bayesian inference; install Python, open data files, and preprocessing

数据嵌入和马尔可夫链蒙特卡罗算法的基本原理 Introduce the elements of the algorithms in data embedding and Markov Chain Monte Carl

搭建主要工作模块 Build the main working modules of the project

讨论不同机器学习与AI算法之间的关系 Machine learning and AI algorithms

深度学习、迁移学习与AI算法之间的关系Deep learning, transfer learning and AI algorithms

项目回顾与成果展示Program Review and Presentation

论文辅导 Project Deliverables Tutoring

时间安排与收获
-7周在线小组科研学习+5周论文辅导学习共125课时

-学术报告

-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（可用于申请）

-结业证书

-成绩单