美國麻省理工學院2020暑期「機器學習+」在線學習課程由麻省理工學院電氣工程與計算機科學系(EECS, MIT)核心實驗室教授擔綱,依託 ThoughtBridge 自主研發的線上學習平臺,採用全新模式展開。課程以實踐項目教學(Project-Based Learning, PBL)為主導,結合學科經典理論、前沿應用、實踐項目等方面的內容展開。除學科課程外,還包括專題分享(留學申請、實驗室研究助理申請)、科技企業雲工作坊等模塊,使學生通過在線學習形式,最大限度地體驗麻省理工學院的教學方法、研究方法以及最新的學科動態等。
2020年8月2日-2020年8月22日
項目課程共40小時,涵蓋20小時的機器學習方法(Machine Learning, ML)與20小時的機器學習延伸應用(Track)。學生每天將完成2小時的線上學習(包括視頻、作業、測驗等)。延伸應用課程分為深度學習(Deep Learning)、信號處理(Signal Processing)與金融科技(FinTech)三個方向。學生將依據專業和興趣選擇課程進行學習,並完成兩個實踐任務。
Date
Mon
Tue
Wed
Thu
Fri
Sat
Sun
Week 1
ML
ML
ML
ML
ML
ML
ML
Week 2
ML
ML
ML
Track
Track
Track
Track
Week 3
Track
Track
Track
Track
Track
Track
(一) 機器學習課程大綱:
¨ 機器學習課程概述、基本概念
¨ 特徵工程
¨ 模型評估與選擇
¨ 線性模型:線性回歸、邏輯回歸
¨ 決策樹:隨機森林
¨ K-近鄰、樸素貝葉斯、支持向量機、核函數
¨ K-均值、最大期望算法
¨ 聚類分析
¨ 推薦問題、協同過濾
¨ 強化學習
(二) 機器學習延伸課程大綱
1. 機器學習+深度學習
¨ 深度學習課程概述、基本概念
¨ 神經網絡介紹
¨ 深度神經網絡原理
¨ 卷積神經網絡原理及經典模型
¨ 循環神經網絡及經典模型
¨ 生成式對抗網絡
¨ 損失函數與優化算法
¨ 深度強化學習
實踐任務一:基於深度學習生成音樂
該任務中學生將基於現有的音樂數據進行模型訓練,利用循環神經網絡自動生成符合人類喜好的音樂。
實踐任務二:藉助深度學習為黑白圖像上色
該任務中機器將識別海量不同類別、不同風格的照片,學生將通過深度學習算法,訓練機器自動為黑白照片上色。
2. 機器學習+信號處理
¨ 深度學習課程概述、基本概念
¨ 神經網絡介紹
¨ 深度神經網絡原理
¨ 卷積神經網絡原理及經典模型
¨ 循環神經網絡及經典模型
實踐任務一:語音降噪
該任務中學生將學習利用深度學習的卷積神經網絡對語音信號進行降噪處理,提高語音的質量和清晰度。
實踐任務二:雷達目標分類
目標分類是現代雷達系統中的重要功能,該任務中學生將學習如何使用機器學習和深度學習方法對來自圓柱體和圓錐體的雷達回波進行分類。
3. 機器學習+金融科技
¨ 數據驅動下的個性化產品與服務
¨ 智能商業決策
¨ 人工智慧時代的市場營銷策略
¨ 人工智慧與風險管理
¨ 供應鏈管理自動化與優化
¨ 制定面向人工智慧的商業戰略
實踐任務一:信貸風險預測
該任務中學生將學習如何搭建信用評分預測模型,了解銀行如何利用前沿技術評估客戶信貸風險。
實踐任務二:算法交易
該任務中學生將在強化學習框架下訓練機器模型,構建算法交易策略。
項目費用
1.費用標準:1400美元(合人民幣9900元)。課程費由學院資助
2.費用說明:費用包含在線課程學費,不含參與在線課程可能需要的電腦軟硬體等配置費用。
申請方式
1. 進入「教務管理信息服務平臺」10.202.110.46:8080/jwglxt(使用新版的火狐、谷歌瀏覽器)
2. 點擊報名申請
3. 點擊交流生交流項目申請
4. 選擇項目進行申請
5. 提交並列印申請表,填寫相關內容
6. 請於2020年6月25日前,完成線上審核
7. 確認報名參加後,請添加蔣老師微信:15168300123.備註:學號,姓名,項目名稱。
備註:該項目僅限竺可楨學院同學報名。
回復「2019」查看2019年項目合集