机器学习与计算机算法：抖音推荐算法核心技术
Introduction to Machine Learning
教授介绍
Victor Adamchik
南加州大学计算机科学系教授
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USC工程领事、教师绩效评估委员会成员荣获Herbert Simon计算机科学卓越教学奖 独立开发高 级编程实务(Java)课程《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
课题背景
你是否会使用Siri或Alexa等个人助理系统?你是否用垃圾邮件过滤器来处理垃圾邮件?你是否订阅Netflix，并通过其精确的推荐系统来发现新电影呢?如果你符合以上任何一条，那么恭喜你，你已经很好地用到了机器学习!机器学习的核心是，“用算法解析数据，从中学习，然后对某些事物做出决定或预测。”这意味着，你无需明确地编程计算机来执行任务，而是教计算机如何开发算法来完成任务。本课程将带领学生们了解各种各样的学习算法，培养应用学习算法解决实际问题的技能和如何执行学习算法的评估和模型选择。
课题内容
课程从不同的角度深入介绍机器学习的理论和实际算法。它涵盖了一些主要的模型和算法的回归，分类，聚类和马尔科夫决策过程。主题包括线性和逻辑回归、正则化、概率(贝叶斯)推理、支持向量机和核方法、神经网络、聚类和降维。本课程使用Python编程语言，并假设您熟悉线性代数、概率论和多元微积分。本课程的目的是让学生在方法学、技术、数学和算法方面有一个全面的基础，这些都是目前将机器学习应用于各种应用程序的人所需要的。
适合人群
对计算机专业感兴趣的高中生，本科生
修读计算机、(电子)电气工程、信息工程等专业，以及未来希望在机器学习、算法、编程、数据分析等领域从业的学生
具备较高水平的数学能力，熟悉线性/矩阵代数、概率论和多元微积分;了解Python语言的学生优先
建议学生提前掌握算法设计与数据结构
项目设置
| 线上科研项目8周 |
||
| 总课时72小时 |
第1-4周 |
第5-8周 |
| 教授课程 36课时 |
4.5课时/周 |
4.5课时/周 |
| 教授就该项目的学科背景展开启发式教学，从而培养学生批判性思维、提升跨学科的学习能力。同时会教授学生必需的科研方法，为下阶段的科研课程打下坚实的基础。 |
每周教授将对项目研究内容做针对性的指导，具体包括：数据收集、数据评估和分析、数据汇总和展示。针对学生的问题，提出个性化的指导建议。 |
|
| 助教课程 30课时 |
4.5课时/周 |
3课时/周 |
| 助教将针对性地梳理教授课程中的重要知识点，着重分析课程中的难点。督促学生完成教授布置的作业和阅读任务，以确保学生的整体学习进度。 |
助教将协助学生完成研究任务，保证学生按进度完成必要的数据分析和写作任务，从而达到教授指定的学术标准。 |
|
| 写作课程 6课时 |
第4-6周，来自美国学校的写作教授将针对论文写作的结构框架和引用的注意事项展开讲解。 |
|
| 教授课时（36）+助教课时（30）+写作课程（6）+科研先修课（132）=204课时（1课时=40分钟） |
||
项目收获
网申推荐信
由教授亲自使用邮箱提交推荐信
学术评估报告
教授亲笔签署的学术评估
项目成绩单
教授将开具符合学生项目表现的成绩单
论文发表
完成EI/CPCI级别的论文，获得发表并可以被全文检索
结业证书
被世界范围内的高校广泛认可
