课程详情

武汉研课教育为学员设置人工智能机器学习研究课题，项目为学生提供在监督学习环境中所需的现代数学工具，我们将重点分析和设计正则化方法以及一阶优化方法，括随机梯度下降法，并介绍统计学理论中的主要思想。

人工智能机器学习研究课题

项目背景

机器学习(ML)和人工智能(AI)两大主流科技将成为我们社会未来所依赖的基础设施。然而，随着这些领域的巨大快速增长，越来越多的数据科学家似乎依赖于ML和AI的“黑盒”使用方法。也就是在不了解理论性质的情况下，直接应用计算技术和对应框架。这一令人担忧的现象对数据科学领域的发展毫无益处，本项目旨在填补这一空白，让学生在实践的同时也能深度理解其背后的理论支持，助力博士申请。

项目介绍

本项目为学生提供在监督学习环境中所需的现代数学工具。我们将重点分析和设计正则化方法以及一阶优化方法，括随机梯度下降法，并介绍统计学理论中的主要思想。学生将在项目结束时，提交项目研究报告，进行成果展示。
个性化研究课题参考：MSE与MAE对机器学习性能优化的作用比较，机器学习随机优化方法的个体收敛性研究，高维因子模型及其在统计机器学习中的应用。

适合学员

●大学生
●希望申请人工智能，数据科学，统计学等相关领域博士的学生，学生需要具备微积分、线性代数、概率论基础，至少会使用一门编程语言实现如KNN等经典机器学习算法

课程内容

机器学习是计算机科学以及信号信息领域中重要的热点研究领域。随着互联网、物联网等的快速发展，机器学习在多个领域（数据挖掘、大数据分析、视频技术、音频技术、智能机器人技术等）成为关键核心和职称技术。本课程讲授机器学习和数据分析的相关基础理论、主流机器学习思想和方法，旨在让大家深入了解从事机器学习以及相关学科应用的研究人员目前需要学习的方法、技术、数学和算法，为开展相关领域的技术开发和科学研究奠定基础。

人工智能机器学习研究课题相关推荐课程