哈佛大学人工智能与深度学习专题:卷积神经网络算法及其在NLP、CV等多人工智能领域的应用研究

招生状态:招生中

课时安排:2周专业预修与在线科研+10天面授科研+5周在线论文指导

适合专业

适合数据科学、数据处理、统计学、机器学习、深度学习等专业的学生;

学生需要具备线性代数及概率论与数理统计基础,修读过算法与数据结构并能熟练使用如随机森林等经典机器学习算法。

项目收获

1. 2周专业预修与在线科研+10天面授科研+5周在线论文指导

2. 项目报告

3. 优秀学员获主导师Reference Letter

4. 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)

5. 结业证书

6. 成绩单

项目介绍

项目将首先回顾包含分类与回归的传统机器学习算法及初步神经网络,而后教授将会介绍用于优化神经网络的数学原理及代码技术。在确保学生具备扎实的理论及编程基础后,项目将进入到关于卷积神经网络原理、架构、优化及应用的核心阶段,学生将根据自身兴趣选择个性化研究课题进行深入研究,在项目结束时提交项目报告,进行成果展示。

个性化研究课题参考:

算法优化:图卷积神经网络

计算机视觉应用:DGD卷积神经网络行人重识别

自然语言处理应用:基于自联想记忆与卷积神经网络的跨语言情感分类

推荐系统应用:基于标签卷积神经网络的推荐算法

项目大纲

经典机器学习算法回顾及神经网络初步

梯度下降算法

基于反向传播的自动微分算法

神经网络优化技术

神经网络正则化在防过拟合中的应用

卷积神经网络基本概念和体系结构

感知野与通过池化层的反向传播

显著图与神经网络最新技术展望

项目回顾与成果展示

论文辅导与投递

导师介绍

Pavlos哈佛大学项目主任

Pavlos教授现任哈佛大学应用计算科学研究所(IACS)项目主任,负责把控计算机科学、工程与数据科学专业的研究生培养方案与课程体系,教授数据科学核心课程。 曾担任国家可扩展集群项目(NSCP)的副主任,这是在网格模型上进行大规模分布式计算的最初尝试之一。同时,在哈佛 - 史密松天体物理中心担任过研究员,并担任由哈佛大学创新计算项目启动的“时间序列中心”的子项目的高级科学家、项目负责人。

【竞赛报名/项目咨询请加微信:mollywei007】

上一篇

当你选择机构帮你做博士申请应该注意什么?

下一篇

香港留学文书怎么写?有什么需要注意的吗?

你也可能喜欢

  • 暂无相关文章!

评论已经被关闭。

插入图片
返回顶部