人工智能、机器学习与数据挖掘的基础应用实训

Application of Data Analysis and Machine Learning

Pradeep Ravikumar

卡内基梅隆大学计算机科学学院机器学习系终身教授

(1)卡内基梅隆大学计算机科学学院机器学习系招聘委员会主席

(2)卡内基梅隆大学计算机科学学院机器学习研究项目的负责人

(3)《机器学习》杂志的编辑委员会核心成员

(4)第十六届人工智能和数据统计国际会议项目主席

(5)曾获得美国国家科学基金会（NSF）颁发的事业奖

(6)发表核心期刊论文145 篇

课题背景
机器学习就是基于一些高度复杂的算法和技术，在一个非生命的物体、机器或系统中构建人类行为。机器学习在生活中的应 用很多，例如机器人根据搜寻自身环境的经验数据提供更好的导航服务，机器人根据目标病人的历史健康记录预测出哪种疗 法治疗某种疾病最有效，以及语音识别系统运用以往听你说话的经验更好地理解你的指令内容。

课题内容
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。

适合人群
 对计算机、数据分析、机器学习专业感兴趣的高中生，本科生
 修读数学、计算机、信息科学等专业，以及未来希望在大数据分析、商业分析、计算机算法等领域从业的学生
 具备微积分、线性代数、以及计算机编程基础的学生优先

教授介绍

Pradeep Ravikumar

卡内基梅隆大学计算机科学学院机器学习系终身教授

(1)卡内基梅隆大学计算机科学学院机器学习系招聘委员会主席

(2)卡内基梅隆大学计算机科学学院机器学习研究项目的负责人

(3)《机器学习》杂志的编辑委员会核心成员

(4)第十六届人工智能和数据统计国际会议项目主席

(5)曾获得美国国家科学基金会（NSF）颁发的事业奖

(6)发表核心期刊论文145 篇

任职学校
卡内基梅隆大学（Carnegie Mellon University）是一所位于美国宾夕法尼亚州匹兹堡的研究型私立大学。 在 2018 年泰晤士高等教育世界大学排行榜中，卡内基梅隆大学排名世界第 20 位，在同一机构的学科排名中，学校的 计算机科学排名世界第六位，工程和技术排名第十二位，商学和经济学排名第十五位。在 USNews 发布的排行榜中， 学校排名全美第 25 位，其中计算机科学排名全美第一位。截止 2018 年 10 月，学校的教员和校友中共有 20 人获得诺 贝尔奖，12 人获得图灵奖，22 人获评美国艺术与科学院院士，19 人进入美国科学促进会，72 人入选美国国家学院。

课程安排与收获
• 8周在线小组科研（总课时78小时）
• 网申推荐信
• 学术评估报告
• 项目成绩单
• 论文成果

相关阅读

2022名校科研项目1期发布