一、項目介紹
美國麻省理工學院2021寒假“機器學習＋”在線學習課程由麻省理工學院電氣工程與計算機科學系(EECS, MIT)、媒體實驗室（Media Lab）和斯隆管理學院等核心實驗室教授擔綱主講。課程以實踐項目教學法(Project-Based Learning, PBL)為主導，結(jié)合學科經(jīng)典理論、前沿應用、實踐項目等方面的內(nèi)容展開。除學科課程外，還包括專題分享、科技企業(yè)云工作坊等模塊，使學生通過在線學習形式，零差異地體驗麻省理工學院的教學方法、研究方法以及最新的學科動態(tài)等。
二、院校介紹
麻省理工學院 (Massachusetts Institute of Technology, MIT) 是世界著名私立研究型大學，素以頂尖的工程學和計算機科學而著名，擁有眾多頂級實驗室，1959年誕生了世界上第一個人工智能實驗室，是全球人工智能方面最領(lǐng)先的學術(shù)殿堂之一。
三、項目時間
2021年1月18日-2021年2月21日
課程形式包括錄播課程、直播課程、直播答疑等，錄播課程由學生自主安排學習時間，在項目考核前完成錄播課程的學習即可。直播課程將通過Zoom等直播平臺直播，可在錄播平臺自由觀看回放。直播部分一般安排在北京時間的上午9-11點或晚上8-10點，以具體日程安排為準。
四、項目課程
項目課程有兩個可選方向，學生將依據(jù)專業(yè)和興趣選擇課程進行學習，并完成對應的實踐項目任務。通過項目考核后，將獲得官方頒發(fā)的學習證書和成績報告，成績優(yōu)秀同學將有機會獲得推薦信。有科研興趣和計劃的同學，還有機會在項目結(jié)束后申請麻省理工學院相關(guān)實驗室/研究所的研究助理等。
（1）機器學習與商業(yè)分析 Machine Learning in Business Analytics
機器學習在商業(yè)分析與決策過程中的作用日益凸顯，機器學習賦能企業(yè)在人工智能時代更加高效地完成過程監(jiān)督、決策輔助、優(yōu)化流程和預測分析。這門課程的主要內(nèi)容及應用案例包括：
機器學習課程概述、基本概念 Introduction to Machine Learning
基于感知器的監(jiān)督學習Supervised learning via Perceptrons
對數(shù)幾率回歸Logistic Regression
非線性特征與核方法Nonlinear features and Kernels
回歸 概論Regression
神經(jīng)網(wǎng)絡 導論Neural Nets, Introduction
神經(jīng)網(wǎng)絡 優(yōu)化Neural Networks, Optimization
無監(jiān)督學習：聚類，混合模型，EM Unsupervised learning: clustering, mixture models, EM
推薦系統(tǒng)Recommender Systems
機器學習與數(shù)據(jù)科學 Machine Learning in Data Science
人工智能時代的市場營銷策略 Machine Learning in Marketing
機器學習與個性化設置-靜態(tài)設置Machine Learning and Personalization – Static Setting
機器學習與個性化-動態(tài)設置Machine Learning and Personalization – Dynamic Setting
機器學習和個性化–行為和經(jīng)濟見解 Machine Learning and Personalization – Behavioral and Economic Insights
機器學習與金融科技 Machine Learning in Fin-Tech
定量投資與統(tǒng)計測量1/2/ Quantitative investment in Statistical Measurement 1/2/
商業(yè)分析定量投資導論Introduction to Quantitative Investment with Business Analysis
商業(yè)分析定量投資的應用1/2 Application: Quantitative Investment with Business Analysis 1/2
人工智能驅(qū)動的股票價格分析AI-Driven Stock Price Analysis-the rise of the quants 1/2
（2）深度學習及其應用 Deep Learning and Its Applications
深度學習受到神經(jīng)學的啟示，模擬人腦的認知與表達過程，通過低層信號到高層特征的函數(shù)映射，來建立學習數(shù)據(jù)內(nèi)部隱含關(guān)系的邏輯層次模型，特別是在機器視覺領(lǐng)域，深度學習具備強大的視覺信息處理能力。這門課程的主要內(nèi)容及應用案例包括：
機器學習課程概述、基本概念 Introduction to Machine Learning
基于感知器的監(jiān)督學習Supervised learning via Perceptrons
對數(shù)幾率回歸Logistic Regression
非線性特征與核方法Nonlinear features and Kernels
回歸 概論Regression
神經(jīng)網(wǎng)絡 導論Neural Nets, Introduction
神經(jīng)網(wǎng)絡 優(yōu)化Neural Networks, Optimization
無監(jiān)督學習：聚類，混合模型，EM Unsupervised learning: clustering, mixture models, EM
推薦系統(tǒng)Recommender Systems
深度學習課程概述、基本概念 Introduction to Deep Learning
神經(jīng)網(wǎng)絡和卷積處理Neural Networks and Convolutional Processing、
卷積神經(jīng)網(wǎng)絡架構(gòu)CNN Architectures (AlexNet, Resnet, etc.)
帶序列的視覺（字幕、視頻處理和轉(zhuǎn)換） Vision with Sequences (Captioning, Video Processing, and Transformers)
生成圖像模型Generative Image Modeling
機器視覺應用Applications: Depth Estimation, Segmentation, Object Detection (YOLO, FasterRCNN)
神經(jīng)渲染和圖像Neural Rendering and Graphics
可解釋性和不確定性Interpretability and Uncertainty
視覺模型的公平公正問題Fairness and Bias of Vision Modelling
基于深度學習的三維人臉重建3D Reconstruction with Deep Networks (Models and Applications)
五、教學團隊
教學團隊包括來自麻省理工學院EECS/Media Lab/斯隆管理學院的教授、研究員、博士后等，他們都擁有豐富的教學經(jīng)驗和科研項目經(jīng)歷。此外，還將有來自麻省理工學院的博士/博士后作為助教全程指導學生的學習和答疑等。
Prof. Hui CHEN
Professor of Finance at the MIT Sloan School of Management,
Research Associate at the National Bureau of Economic Research.
Teaching 15.450 Analytics of Finance, 15.457 Advanced Analytics of Finance
Prof. Suvrit Sra
Esther and Harold E. Edgerton Career Development Associate Professor of MIT EECS,
Core member of IDSS and LIDS, MIT,
Teaching 6.881 Optimization for Machine Learning, 6.867 Machine Learning
Prof. Shimon Kogan
Visiting Associate Professor of Finance at MIT Sloan School of Management
Teaching FinTech: Business, Finance, and Technology
Dr. Alexander Amini
PhD at MIT, in the Computer Science and Artificial Intelligence Laboratory (CSAIL),
Researcher, Distributed Robotics Laboratory, CSAIL, MIT
Teaching 6.S191 Introduction to Deep Learning
Dr. Roy Shilkrot
Research Scientist at Media Lab, MIT.
Teaching MAS.S60: Experiments in Deepfakes
六、項目費用
費用標準： 9900元/人（完成在線課程后，可獲得9900元MIT寒暑期線下短期交流項目抵扣劵，僅限本人使用）
七、申請條件
1.經(jīng)管學院全日制在讀本科生、研究生（含MBA）；
2.具備良好的英語聽說能力；
3.需具備一定Python語言編程基礎（無Python基礎的同學將由助教指導在項目前完成Python自學包）。
八、申請方式
報名鏈接：https://jinshuju.net/f/GAgM4A
申請截止時間：2020年12月25日
九、項目咨詢
尚老師，syh@bnu.edu.cn，58802691