課程核心模塊解析
教學(xué)階段 | 核心知識點 |
基礎(chǔ)理論構(gòu)建 | 多元正態(tài)模型建模、貝葉斯推理原理、正則化方法數(shù)學(xué)證明 |
算法優(yōu)化實踐 | 隨機梯度下降法參數(shù)調(diào)優(yōu)、核主成分分析實現(xiàn)、支持向量機數(shù)學(xué)推導(dǎo) |
科研能力培養(yǎng) | 國際期刊論文寫作規(guī)范、學(xué)術(shù)會議投稿流程、博士面試答辯技巧 |
哪些學(xué)員適合參加本培訓(xùn)項目
- 計算機科學(xué)/應(yīng)用數(shù)學(xué)專業(yè)在讀研究生
- 計劃申請人工智能博士項目的科研人員
- 需提升算法數(shù)學(xué)建模能力的工程師
參加者需具備多元微積分、線性代數(shù)基礎(chǔ),熟悉Python編程環(huán)境,至少完成過KNN等經(jīng)典算法的代碼實現(xiàn)。
科研培養(yǎng)體系詳解
教學(xué)周期安排
總時長12周,包含84課時的理論教學(xué)與41課時的論文指導(dǎo),每周設(shè)置3次實時在線答疑。
學(xué)術(shù)成果產(chǎn)出
- 完成符合EI/Scopus收錄標準的學(xué)術(shù)論文
- 獲得教授簽發(fā)的課程結(jié)業(yè)證書
- 優(yōu)秀學(xué)員可獲科研推薦信
教學(xué)特色與優(yōu)勢
理論深度解析
從泛函分析視角剖析正則化方法,推導(dǎo)梯度下降法的收斂性證明
實踐平臺支持
提供云端GPU計算資源,支持大規(guī)模矩陣運算實驗