机器学习：数学算法与统计原理
Statistical Machine Learning
教授介绍
Dino Sejdinovic
牛津大学统计学终身教授
牛津大学曼斯菲尔德学院首席研究员
图灵研究所研究员，QxCSML研究组核心成员
曾担任金融服务行业-数据科学高 级资 深顾问
课题背景
本课程旨在向学生介绍在21世纪的第 一统计推断是使用来自该总体的一个子集或样本的数据得出关于整个总体特征的结论的过程。简单随机抽样是一种抽样方法，它保证了总体中n个成员的每个组合都有相等的被选择的机会。
课题内容
这门课程旨在带领学生了解如何在统计模型的上下文中解释数据。工作知识和对基于模型的统计推断的关键要素的理解，包括对贝叶斯方法和频率方法之间的相似性、关系和区别的认识。
适合人群
对数据科学，统计专业感兴趣的优 秀高中生，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
具备高等数学、矩阵代数、微积分、统计学、概率以及拥有编程背景的学生优先
项目设置
你将会得到
6周在线授课+4周在线小组科研(教授亲自论文辅导)，教授全程参与为期10周
网申推荐信
学术评估报告
项目成绩单
论文成果
