密集项目：计算机与数据科学专题：

　　基于随机过程算法、Java编程的大数据

　　建模研究【大学组】

　　开始日期：2023-07-29

　　课时安排：4周在线小组科研学习+2周不限时论文指导学习

　　✦

　　Prerequisites

　　适合人群

　　适合年级(Grade)：大学生及以上

　　适合专业(Major)：

　　统计学、数理统计、工程数学与统计专业或者对数据科学统计分析感兴趣的学生;

　　学生需要具备大学概率论及Java或Python编程基础。

　　✦

　　Instructor Introduction

　　导师介绍

　　Vadim

　　✦

　　宾夕法尼亚大学

　　终身教授

　　✦

　　Program Background

　　项目背景

　　随机过程是随机变量的集合，一些基本类型包括马尔可夫过程、泊松过程(如放射性衰变)和时间序列。物理、工程和社会动力学中诸多现象都受随机过程的支配。使用统计方法，可以帮助认识上述现象，做出理性决策，管理随机过程，优化产出和结果。由于现象和问题往往具有复杂性，传统数学方法无力应对，计算机建模和模拟成为了数理统计分析、预测、优化中不可或缺的工具。项目将引导学生围绕统计随机建模展开探究。

　　✦

　　Program Description

　　项目介绍

　　项目内容包括随机数性质与生成、随机算法设计、算法代码、统计预测、计算复杂性与效率、统计编程语言等。学生将通过项目运用Java编程语言，探究随机性、随机数生成及其在复杂现象模拟中的应用，在结束时提交项目报告，进行成果展示。个性化研究课题参考：

　　蒙特卡罗粒子运输模拟中基于粒子的并行计算方法研究

　　高斯随机数发生器的研究与设计

　　大数据时代下的统计学研究

　　The content of the project includes random number properties and generation, random algorithm design, algorithm code, statistical prediction, computational complexity and efficiency, statistical programming language, etc. Students will use the Java programming language to explore randomness, random number generation and their applications in the simulation of complex phenomena, and submit a report at the end to display their results.

　　Suggested Future Research Fields:

　　Research on Particle-based Parallel Computing Method in Monte Carlo Particle Transport Simulation

　　Research and Design of Gaussian Random Number Generator

　　Statistical research in the big data era

　　✦

　　Syllabus

　　项目大纲

　　随机数性质与生成 Random number properties and generation

　　随机算法设计：算法代码 Devising stochastic algorithms

　　统计预测：随机问题 Making statistically meaningful predictions

　　计算复杂性与效率 Understanding computational complexity and efficiency

　　统计编程语言 Learning more about computers and programming languages

　　项目回顾与成果展示 Program Review and Presentation

　　论文辅导 Project Deliverables Tutoring

　　✦

　　Program Outcome

　　项目收获

　　4周在线小组科研学习+2周不限时论文指导学习 共125课时

　　项目报告

　　学员获主导师Reference Letter

　　EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导(可用于申请)

　　结业证书

　　成绩单