工作996/吃青春饭/行业内卷.....2021年，计算机专业还香吗？

Noah导师兼具丰富的教学、研究与行业经验。他在杜克大学数据科学硕士项目、加州大学戴维斯分校（UCD）管理研究生院商业分析硕士项目、以及西北大学数据科学硕士项目担任讲师，教授和设计机器学习、AI和数据科学等课程。

Noah导师是亚马逊云服务（AWS）机器学习主题问题专家（SME）、AWS认证大数据专家、AWS认证机器学习专家、Google认证云架构专家，曾供职于ABC、索尼、迪士尼等多家知名企业，担任CTO、总经理、首席数据科学家等职位。

千禧年后，大数据的蓬勃发展和算力的指数级增长赋予了深度学习新的生机。深度学习如破竹之势将机器辅助功能变为可能，让人工智能在各个应用领域实现落地。其中，人工智能一个重要的研究方面就是计算机视觉。

“计算机视觉是一门研究如何使机器‘看’的科学，更进一步的说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量，其本质是模拟人类的感知与观察的一个过程。”据国金证券发布的调研报告称，计算机视觉是AI领域应用场景最丰富、商业化价值最大的领域，占中国AI市场的34.9%，排名第一。

目前，相关技术已经在金融、自动驾驶、医疗、安防、互动娱乐等多个应用场景落地。计算机视觉背后的深度学习知识有哪些？如何将这些知识与实践相结合？项目将使用Jupyter Notebook和Python，帮助学生从头开始创建计算机视觉模型。

项目涵盖计算机视觉领域的常用深度学习方法和前沿技术，比如生成模型、计算机视觉API、AutoML Vision。项目结束后，学生将完成两页Jupyter Notebook形式的报告，创建计算机视觉应用程序部署在边缘推理平台，进行成果展示。

学生将能够从头开始建立计算机视觉模型，将计算机视觉模型应用于边缘端机器学习硬件。个性化研究课题参考：基于计算机视觉的动态手势识别 应用计算机视觉对果蔬表面缺陷的判别研究 深度测量及物体三维模拟重构。

• 学术报告

• 优秀学员获导师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）

Rakesh导师现任伊利诺伊大学厄巴纳香槟分校电子和计算机工程系的终身正教授，导师的研究兴趣在于计算机工程与用于机器学习的计算机硬件。导师的研究成果曾获ISCA最具影响力论文奖、十年最具影响力论文奖、及其他最佳论文奖与提名(IEEE MICRO Top Picks、ASPLOS、HPCA、CASES、SELSE、IEEE CAL)。

他的教学成果受广泛认可，并获得了多份杰出教学奖。除学术研究外，导师行业经验也极为丰富，曾担任Hyperion Core, Inc(微处理器芯片初创公司)的联合创始人和首席架构师。

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，越来越多的程序员与科学家似乎依赖于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人工智能领域的发展毫无益处。

本项目旨在填补这一空白，围绕着机器学习算法的理论基础展开并佐以代码实现，让学生在实践的同时也能深度理解其背后的理论支持。

带领学生详细了解机器学习的主要方法和当前的研究方向，涵盖机器学习中的不同算法的分析与对比。项目在讨论至今仍有效的如决策树的经典算法外，还将讨论以深度学习为例的改变了机器学习领域的新技术。

学生将在导师的指导下挑选研究问题，在项目结束时完成项目报告，进行成果展示。

个性化研究课题参考：

Suggested Research Fields 欺骗性、重复性的广告检测算法研究；

Research on Deceptive and Duplicate Advertisement Detection Algorithms 针对用户搜索记录的酒店推荐算法；

Recommendation System for Hotel Reservations Based on the User’s search History 根据网约车当前运行轨迹，预测本次行程时间的算法开发；

Predict the total travel time of taxi trips based on their initial partial trajectories；

预测土壤的物理化学成分 Predict physical and chemical properties of soil using spectral measurements。

• 学术报告

• 优秀学员获导师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）
  

Victor导师现任南加州大学计算机科学系正教授、USC 工程领事、教师绩效评估委员会成员，曾任美国国家科学研究所计算机通信分部项目首席研究员和卡耐基梅隆大学终身正教授。

Victor教授荣获 Herbert Simon 计算机科学卓越教学奖，并独立开发高级编程实务 (Java) 课程。Victor教授在发表研究论文的同时还是《数学分析与应用杂志》、《积分变换和特殊函数》、《计算与应用数学杂志》等期刊同行审查委员会高级成员。

机器学习是模拟人脑学习模式，基于过往经验（数据），总结普遍模型，完成自学习的过程，具体涉及概率论、统计学、算法复杂度等多个学科，是人工智能的核心，更是数据科学、计算机科学、金融工程、化学生物工程、社会传媒学等诸多学科研究或应用热点，可以说，在过去的二十年里，机器学习技术日臻成熟，渗透到各领域，为诸多产业场景提供了技术支持。

比如，生物信息学借此探究生命现象和规律，实施基因组计划，获取基因药物研究数据，完成分析与仿真；传媒学借此挖掘客户数据，落地数字化市场营销新业态。项目将聚焦机器学习基础理论，结合当下最受欢迎的Python编程，引导学生探讨不同的机器学习理论和实际应用，为高阶学习打下坚实基础。

带领学生学习监督学习、无监督学习、KNN邻近分类算法、决策树、信息熵与基尼指数、装袋法、随机森林、线性回归、逻辑回归、岭回归、套索回归、主成分分析、聚类、K均值算法等机器学习原理与经典算法。

学生将在项目结束时，提交项目报告，进行成果展示。个性化研究课题参考：社交情绪挖掘机器学习算法设计 寻找安然破产事件关键人物：员工关系建模 利用神经网络训练笔记阅读模型以分类MNIST手写体数字。

• 学术报告

• 优秀学员获导师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）