开始日期: 2026-06-27

　　课时安排: 3周专业预修与在线科研+2周面授科研+5周在线论文指导

　　适合人群

　　适合年级 (Grade): 高中生/大学生

　　适合专业 (Major): 对数学、统计学、数据科学、计算机科学、工程、经济学、金融学等专业感兴趣的学生;

　　学生需要具备基础微积分知识

　　建议选修: 高等数学：抽象代数

　　导师介绍

　　Alberto

　　加州大学伯克利分校 (UCB)终身正教授

　　Alberto 导师是加州大学伯克利分校应用数学终身正教授，在加州大学伯克利分校讲授线性代数等课程，曾任数学与应用数学中心主任和数学系主任。Alberto曾任英国物理研究所出版刊物Inverse Problems 主编，曾在全球Top1应用数学研究中心纽约大学柯朗数学研究所 (Courant Institute)、IBM全球研究中心、美国最杰出的国家实验室之一劳伦斯伯克利国家实验室(Lawrence Berkeley Lab) 进行教学或研究工作，是LBNL数学系的资深科学家。Alberto的研究聚焦应用数学、数学分析和概率论等，多次应邀至世界各地知名学府发表主旨演讲。

　　任职学校

　　加利福尼亚大学伯克利分校(University of California, Berkeley)，简称伯克利，创办于1868年3月23日，位于美国加利福尼亚州伯克利市，是公立研究型大学，被誉为“公立常春藤”，美国大学协会成员、全球大学校长论坛成员，入选英国政府“高潜力人才签证计划” 。在2026年USNEWs全美最佳大学排名中位居第1名，2026年QS世界大学排名位列第17名。截至2026年共产生110位诺贝尔奖得主(数量居世界第三)、25位图灵奖得主和14位菲尔兹奖得主。

　　项目背景

　　概率论与数理统计是数学一个极其重要的分支，它研究随机现象的规律性，以及如何有效地收集、分析和使用随机性数据。概率统计思想已经渗透到各个学科，越来越多地应用在工程、物理、生物、数据科学、金融、经济、信息等领域。目前,概率统计理论进入其他自然科学领域的趋势还在不断发展, 越来越多的人工智能工具的使用严重依赖于概率方法。这是一门概率论本科课程，面向数学、计算机科学和工程专业的学生，重点介绍了一系列与数据科学、机器学习和信号处理等相关主题相关的经典主题。在课程结束时，学生将完成一个指定主题的期末专题，该专题应展示他们对课堂所涵盖材料的理解。

　　项目介绍

　　在一定条件下，出现的可能结果不止一个，事前无法确切知道哪一个结果一定会出现，但大量重复试验中其结果又具有统计规律的现象称为随机现象。概率论对随机现象进行了数学建模，提供了研究随机现象的数学工具，是研究随机性的基础知识。概率论与数理统计在自然科学和工程以及一些社会科学中有着重要的应用。本课程涵盖基本概率论、离散和连续随机变量、分布、高斯变换、大数定律、极限定理等，还将介绍回归、拟合、检验方法以及Erdős–Rényi 随机图的生成方式及其特性和图形重建。学生将在项目结束时，提交项目研究报告，进行成果展示。

　　项目大纲

　　基本概率论 Basic probability

　　离散和连续随机变量 Discrete and continuous random variables

　　联合分布Joint distributions

　　多变量高斯变换 Transformation of multivariable Gaussians

　　强弱大数定律 Weak and strong law of large numbers

　　中心极限定理 Central limit theorem

　　回归 Regression

　　估计 Estimation

　　Erdős-Rényi图、社会网络分析 Erdős–Rényi graphs, social network analysis

　　图像重建 Image Reconstruction

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

　　论文辅导 Project Deliverables Tutoring

　　项目收获

　　3周专业预修与在线科研+2周面授科研+5周在线论文指导

　　与诺贝尔奖得主交流机会

　　项目报告

　　优秀学员获主导师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(共同一作或独立一作可选)

　　结业证书

　　成绩单

　　LASER Award in Research Skills for Academic Study官方证书并转换8 UCAS Tariff Points(可选)