數據科學科研課題：數據統計分析、機器學習與人工智能的綜合研究

數據科學是利用科學方法、流程、算法和係統從(cong) 數據中提取價(jia) 值的跨學科領域。數據科學家綜合利用一係列技能（包括統計學、計算機科學和業(ye) 務知識）來分析從(cong) 網絡、智能手機、客戶、傳(chuan) 感器和其他來源收集的數據。

申請數據科學專(zhuan) 業(ye) 什麽(me) 背景最受名校青睞？

以華盛頓大學為(wei) 例，申請該校數據科學碩士需要正規大學本科畢業(ye) ，有計算機背景的同學申請比較有優(you) 勢，或者本科背景是統計、數學、應用數學，且有一定編程基礎的同學。GPA3.5以上，托福不低於(yu) 100分，雅思不低於(yu) 7.0分。

機構針對想申請數據科學/人工智能/機器學習(xi) 等熱門專(zhuan) 業(ye) 的同學，專(zhuan) 門開設了適用於(yu) 升學黨(dang) 的背景提升科研項目，參與(yu) 研究前沿課題，讓學生不僅(jin) 可以獲得申請所需相關(guan) 學術經驗，還可以積累一段言之有物的實戰經曆，增強名校申請競爭(zheng) 力！

?課題名稱：數據科學課題：數據統計分析、機器學習(xi) 與(yu) 人工智能的綜合研究---基於(yu) 上市企業(ye) 商業(ye) 數據和股票交易市場數據為(wei) 例

?專(zhuan) 業(ye) 預修開始時間：2023-6-17

?️在線科研開始時間：2023-7-8

?麵授科研開始時間：2023-7-23

?涉及專(zhuan) 業(ye) ：數據科學、人工智能、機器學習(xi)

?招生對象：高中生、大學生

?實地地點：上海交通大學校區內(nei) 教室

?住宿地點：上海交通大學校區內(nei) 宿舍

?就餐地點：上海交通大學校區內(nei) 餐廳

授課教授：牛津大學終身教授

Patrick導師現任牛津大學統計學係的終身教授，曾任教於(yu) 耶魯大學計算機科學係，擁有普林斯頓大學博士學位，榮獲牛津大學傑出教學獎。Patrick教授的研究研究興(xing) 趣集中在應用概率、統計學和計算機科學的交叉領域,聚焦於(yu) 高維概率、統計和優(you) 化的基本原理，為(wei) 機器學習(xi) 和人工智能提供高計算效率、統計最優(you) 的算法。

導師部分簡曆

導師部分論作

科研要點：2017年，摩根大通發布了一份題為(wei) 《大數據與(yu) 人工智能戰略：機器學習(xi) 和其它投資數據分析方法》的報告，對機器學習(xi) 對金融領域的影響進行了全麵的闡述，昭示著機器學習(xi) 已經敲開金融領域和商業(ye) 數據分析的大門。

機器學習(xi) 是什麽(me) ？如何與(yu) 商業(ye) 分析相結合？項目將通過介紹兩(liang) 種非常實用的商業(ye) 分析工具，即Python編程語言和機器學習(xi) 工具包，幫助學生厘清上述問題的答案。學生將著重了解機器學習(xi) 在商業(ye) 分析股市預測中的應用，利用機器學習(xi) 分析市場數據解決(jue) 商業(ye) 問題。

該項目內(nei) 容包括機器學習(xi) 與(yu) 數據科學概論、商業(ye) 分析中市場數據處理的機器學習(xi) 技術與(yu) 算法、Python與(yu) Jupiter notebooks交互式學習(xi) 、機器學習(xi) 庫、股市預測等。學生將在項目中學習(xi) 如何使用機器學習(xi) 完成商業(ye) 市場數據分析，進行股市預測，在項目結束時，提交項目報告，進行成果展示。

適合人群：

✅ 對數據科學、人工智能、機器學習(xi) 等感興(xing) 趣的學生

✅ 未來希望在數據科學專(zhuan) 業(ye) 發展的學生

✅ 想要學習(xi) 論文寫(xie) 作，鍛煉學術語言的使用及提升學術能力的學生

✅ 有意願從(cong) 事科研實踐，產(chan) 出學術科研報告和論文成果的學生

✅ 希望在該領域深入研究，培養(yang) 學術思維，提升學術背景軟實力的學生

項目安排：

1 項目周期：

2周專(zhuan) 業(ye) 預修＋2周在線科研+2周深入麵授科研與(yu) 企業(ye) Workshop

2 課題大綱：

機器學習(xi) 與(yu) 數據科學概論

商業(ye) 分析中市場數據處理的機器學習(xi) 技術與(yu) 算法

Python與(yu) Jupiter notebooks交互式學習(xi)

機器學習(xi) 庫

股市預測

項目回顧與(yu) 成果展示

論文輔導

3 課時安排：

需要詳細課程表的同學，歡迎微信聯係學術顧問老師。

項目產(chan) 出：

● 推薦信

優(you) 秀學員獲主導師Reference Letter

● 論文發表

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級別索引國際會(hui) 議全文投遞與(yu) 發表指導（共同一作或獨立一作可選）

● 科研項目材料

與(yu) 諾貝爾獎得主交流機會(hui)

學術報告

結業(ye) 證書(shu)

成績單

助力申請：

參加科研項目之前：履曆上沒有深度經曆

?科研項目之後：豐(feng) 富履曆，提高升學、求職成功概率

參加科研項目之前：申請文書(shu) 陳詞濫調

?科研項目之後：積累高含金量文書(shu) 素材，打造個(ge) 性化申請故事，展現背景軟實力

參加科研項目之前：適應不了名校學習(xi) 節奏

?科研項目之後：夯實基礎，以豐(feng) 富的經驗和前沿的思維快人一步

機構就業(ye) 方向

由於(yu) 數據科學的應用性強，目前除了互聯網行業(ye) 外，電信、能源、金融、醫療等傳(chuan) 統行業(ye) 也十分看重數據分析的解決(jue) 方案，甚至環境、城市規劃、文化遺產(chan) 保護等行業(ye) 也有數據科學的應用，因此該專(zhuan) 業(ye) 的學生畢業(ye) 後就業(ye) 方向相當廣。

院校排名機構

1. 麻省理工學院 United States

2. 卡內(nei) 基梅隆大學 United States

3. 斯坦福大學 United States

4. 加州大學伯克利分校 United States

5. 牛津大學 United Kingdom

6. 新加坡國立大學 Singapore

7. 劍橋大學 United Kingdom 

8. 哈佛大學 United States

9. 蘇黎世聯邦理工學院 Switzerland

10. 洛桑聯邦理工學院 Switzerland