计算机科学专题：智能架构与前沿工程探索-打通算法、平台与行业场景的创新路径

　　开课时间：2026-08-02

　　3周线上直播+6周论文辅导+6次产学研导师课

　　难度★★★☆☆

　　10封教授网申推荐信+1篇英文会议论文辅导(EI/CPCI/Scopus等数据库的稳定检索)+产学研方案

　　导师介绍

　　O.Y.

　　卡耐基梅隆大学电子与计算机工程系终身教授

　　·卡内基梅隆大学终身正教授

　　·IEEE高级会员，卡内基梅隆大学CyLab核心成员

　　·从美国国家科学基金会(NSF)、陆军研究局(ARO)和空军科学研究局(AFOSR)获得了三项联邦拨款，总额为160万美元

　　·曾担任多个国际顶会的技术程序委员会成员，包括IEEE Globecom、PIMRC、ICC和WiOpt

　　·研究领域为工程系统的建模、设计和性能评估、通信系统和网络，包括无线通信、网络安全、随机图、社交与信息网络、信息物理系统等

　　产学研导师

　　计算机领域顶尖技术专家

　　·前阿里达摩院高级人工智能训练师

　　·深耕AI大模型、机器学习、智能数据分析等多个核心板块

　　·多次在国际技术顶会分享AI赋能各行业的核心成果与实践方法论

　　·精通数据科学建模、AI算法落地、行业场景AI赋能等关键能力

　　课程简介

　　数据科学是一门新兴学科，因为它能够在几乎所有科学及技术领域收集大量数据。它依赖于数学、统计学和计算机科学等多个领域的工具。与从理论开始然后使用数据在参数方面进行调整的传统科学发展不同，数据科学，顾名思义，从数据开始，并且通常从大量数据开始。如今，这一新领域的应用几乎无处不在，包括社交网络、客户关系、用户偏好、医学、材料科学、天文学等等。另外，数据科学有望提供以前无法实现的解决方案。它使我们能够针对非常复杂的场景设计方法和方法，以至于从理论开始然后拟合参数的传统方法无法奏效。因此，掌握数据科学工具对于在大多数行业工作至关重要。本项目将让学生一睹数据科学中的挑战、应用以及其使用的方法。同时，本课程还会使用Python编程语言，针对不同的主题导师会提供示例代码。学生可以在这些示例代码的基础上，进行最终个人项目的完成。

　　课程要点

　　可视化、概率及统计概述-Visualization,Probability and Statistics Essentials

　　经典分类技术-Classification

　　更多的监督学习技术-More Supervised Learning techniques

　　数据简化-Data Reduction and Clustering

　　深度学习及其应用-Introduction to Deep Learning with Applications

　　最终项目展示-Final Project Presentation

　　适用学生

　　·适用于对数据科学、统计学、数学、计算机科学专业感兴趣的学生

　　·计划申请海外名校，需要提升申请竞争力的学生

　　·对高含金量的学术推荐信有需求的学生

　　·希望提前了解意向专业，或转专业申请缺乏相关研究经历的学生

　　·希望提前适应国外教学方式，提升学习能力的学生

　　项目收获

　　·15周课程：3周顶尖名校教授课+6周经典论文教学+6周产学研导师授课的上课体验

　　·技能学习：熟练掌握论文框架、技巧、相关知识等内容

　　·推荐信：10封顶尖名校教授ReferenceLetter

　　·论文投稿：EI/CPCI/Scopus/EBSCO或同等级别国际会议全文投递与发表指导

　　·课程证明：来自顶尖名校教授签发的项目证明