計算機科學1數據科學應用數學神經網絡優化算法Carnegie Mellon University卡耐基梅隆大學軟件工程專業全美排名|計算機科學全美|計算機與信息系統學排名世界第3·曾任職于美國國家航空航天局蘭利研究中心（NASA結構與材料領域的重點研究中心）·曾在Springer 發表過多篇學術性論文(全球大科技圖書出版公司）·曾與芝加哥大學，哥倫比亞大學教授一同出版過48篇權威性文獻

計算機:數據科學Jilin University吉林大學·瑞士伯爾尼大學高榮譽畢業生，瑞士博士論文獎·曾任阿里巴巴資深算法工程師·北京波爾通信算法專家研究方向：基于毫米波的無線定位與感知、基于人工智能技術的頻譜大數據挖掘

Program Introduction課題簡介計算機|應用數學數據科學機器學習統計數據可視化數據科學是利用科學方法、流程、算法和系統從數據中提取價值的跨學科領域。數據科學家綜合利用一系列技能（包括統計學、計算機科學和業務知識）來分析從網絡、智能手機、客戶、傳感器和其他來源收集的數據。數據科學揭示趨勢并產生見解，企業可以利用這些見解做出更好的決策并推出更多創新產品和服務。數據是創新的基石，但是只有數據科學家從數據中收集信息，然后采取行動，才能實現數據的價值。數據科學技術不僅被廣泛地應用在生物學、社會科學、人類學等領域的調研工作，此外也在商業、金融等領域成為至關重要的工具。在本個具有高度互動性的課題中，教授將帶領大家探究數據科學的基本主題。教授將在每個學習主題中，引用實例來引導學生使用各種工具，包括圖形，統計推斷，機器學習等，進而成功分析樣本數據。每個學習主題都將包含一個有待解決的實際問題及與該問題相關的理論講解，其中主要涉及到有高應用率的數學概念和在Python中能夠實現的相關算法。學生可以從一系列示例問題中進行選擇，并嘗試實施先前在課程中學習到的算法。教授鼓勵學生在整個項目中進行積極探討，以促進學生和教授之間的思維交流，并尋實踐方案。

Program Highlights科研要點·數據科學：動機、實例、挑戰數據科學是一門利用數據學習知識的，其目標是從結構化和非結構化的數據中提取出有價值的部分來生產數據產品。數據科學結合了諸多領域中的理論和技術，包括應用數學、統計、模式識別、機器學習、數據可視化以及高性能計算等，來幫助用戶進行預測、優化操作并做出決策。·數據可視化教授將帶領同學們一起分析大型數據集，并探究如何使用圖形工具來剖析隱藏的結構，如集群、事件的概率等。實例包括世界衛生組織調研、傳染病趨勢和經濟學等數據。

Instructor Team師資配置· Foreign Professor海外在職終身教授領銜，傳授領域前沿知識與高水準研究方法· Domestic Professor“”大學在職教授/副教授領銜，增進專業理解力，補充知識版圖· Teaching Assistant輔助課題答疑、知識鞏固，科研心得與專業知識分享· Writing Instructor論文V1輔導，傳授論文寫作技巧與方法，論文規劃、寫作、投稿、檢索、發表全程指導· Student Coordinator科研項目全程跟進服務，為項目的平穩進行保駕護航