背景提升之耶魯大學科研課題

耶魯大學，是一所世界著名的私立研究型大學，全美第三古老的高等學府，也是美國大學協會的14所創始院校之一，著名的常春藤聯盟成員。耶魯大學在全球有著很高的影響力，是很多學子想要入讀的大學。今天小編想要為大家介紹的就是耶魯大學的科研項目。

耶魯科研課題：基于圖像的三維虛擬現實內容生成

課題簡介

計算機圖形學（英語：computer graphics，縮寫為CG）是研究計算機在硬件和軟件的幫助下創建計算機圖形的科學學科，是計算機科學的一個分支領域，主要關注數字合成與操作視覺圖形的相關內容。計算機圖形學包括了二維和三維圖形、圖像和視頻的處理與繪制等內容，目前在人工智能、虛擬現實和增強現實的潮流中迎來了又一波高速發展。

在計算機圖形學和計算機視覺中，基于圖像的建模和渲染（IBMR）方法需要先從場景的二維圖像來生成三維模型，然后才能呈現出該場景的新視圖。計算機圖形學的傳統方法已被應用于在三維中創建幾何模型，并嘗試將其重新映射到二維圖像上。 相反，計算機視覺主要集中在檢測、分組和提取給定圖片中的特征（邊緣，面部等），然后嘗試將它們解釋為三維線索。 基于圖像的建模和渲染可以使用多個二維圖像直接生成新穎的二維圖像，跳過手動建模階段，比傳統方法更為便捷和人性化。

例如，全景照片為公眾提供了全新的視角，促使相關的相機和拍照軟件（如RICOH Theta、微軟Photosync）吸引了越來越多的用戶。但是，全景圖的表現形式仍然有待探索。

在本項目中，我們基于最新的研究成果，將全景圖片和常規圖片通過幾何上的算法處理后，重建出一個三維場景。本項目有著較為廣闊的應用場景，可以應用于在魔方上渲染全景圖、創造虛擬現實場景、制作立體插畫冊等方面。

科研方法

AI＋X數據驅動型科研

使用人工智能（AI）算法，收集、處理、分析具體學科（X）的海量數據，并基于此進行預測，從而獲得科學發現的研究方法。與傳統的、基于實驗或邏輯推理的研究方式相比，AI＋X數據驅動型科研可以借助AI算法強大的運算能力，高效地進行大數據分析，具有投入產出比高、適用范圍廣的優點。

AI＋X數據驅動型科研已被廣泛地應用于各個領域，利用AI算法研究基因數據，從而進行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數據千千萬萬，使用傳統的科研方式對其進行分析，工程量大、過程繁瑣，在客觀上難以實現。

但借助AI算法這一便捷的工具，生命科學家便能夠以海量的患者的遺傳信息為基礎，建立數據庫，與過往的研究成果進行對照，快速、準確地在兩者中發現規律、建立聯系，從而使癌癥診斷的“標準化”成為可能。

授課導師

耶魯大學博士

耶魯大學計算機專業博士在讀，本科以榮譽畢業生身份畢業于北京大學；

研究方向為機器學習和自動化，計算機圖形學。曾在Google和微軟亞洲擔任圖片處理工程師實習；

在學校中擔任計算機和編程，數據結構和算法課程助教

課題要求

本課題適合： 9-12 年級學生，有較強的邏輯思維和抽象思維能力：

英文：

具備基本的學術英語閱讀能力；

接觸過英文寫作，有論文寫作經驗者更佳；

數學：

線性代數基礎；

概率統計基礎知識；

計算機：

Python編程基礎

Matlab基礎，包括圖像處理工具庫

耶魯科研課題：基于網絡的學術合作分析

課題簡介

隨著學術平臺的發展，學術合作本身作為科學家發表研究、升職評職稱和獲得終身教授的重要零度之一，受到了許多關注。圍繞科學家之間的學術合作與論文合著問題，很多問題被探討與解決。例如，勞動經濟學所關注的性別歧視問題，男性科學家是否更傾向與男性科學家合作論文？這樣的同質合作又是否在某種程度上影響了最終學術成果的質量？另一方面，科學家之間的合作可以被看成一個網絡。

隨著近些年網絡分析的方法論的發展，一些新的網絡分析算法，比如社區簇結構(community structure detection) 也逐漸被運用在研究重要的經濟學問題中。由一個科學家團隊提供的DBLP網絡數據（計算機學者合作網絡）為研究此類問題提供了極大的便利。

本課題旨在運用大數據與網絡分析方法對計算機學者合作網絡數據進行分析，探究合作的基本測度、合作的模式、合作成果與科學家特征的關系，并應用計量經濟學中的時間序列分析、面板回歸、預測等方法對數據做進一步分析處理，力求獲得對實踐有指導意義的結論。

本課題是統計學和經濟學的綜合研究，是先進網絡分析方法的實際應用。研究者將獲得使用Python和R進行大數據分析的技能和對網絡的深入了解。

科研方法

AI+X數據驅動型科研

AI＋X數據驅動型科研是指使用人工智能（AI）算法，收集、處理、分析具體學科（X）的海量數據，并基于此進行預測，從而獲得科學發現的研究方法。與傳統的、基于實驗或邏輯推理的研究方式相比，AI＋X數據驅動型科研可以借助AI算法強大的運算能力，高效地進行大數據分析，具有投入產出比高、適用范圍廣的優點。

AI＋X數據驅動型科研已被廣泛地應用于各個領域，利用AI算法研究基因數據，從而進行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數據千千萬萬，使用傳統的科研方式對其進行分析，工程量大、過程繁瑣，在客觀上難以實現。但借助AI算法這一便捷的工具，生命科學家便能夠以海量的患者的遺傳信息為基礎，建立數據庫，與過往的研究成果進行對照，快速、準確地在兩者中發現規律、建立聯系，從而使癌癥診斷的“標準化”成為可能。

授課導師

耶魯大學博士

豐富的數據挖掘、大數據處理研究經驗，并在學術期刊上發表學術論文

精通Python、JAVA、C、C++等多種編程語言及SAS、Stata、SPSS等多種統計軟件

課題要求

本課題適合： 9-12 年級學生，有較強的邏輯思維和抽象思維能力

英文：

具備基本的學術英語閱讀能力；

接觸過英文寫作，有論文寫作經驗者更佳；

數學：

概率統計基礎知識

線性代數基礎（行列式、矩陣運算等）

線性與非線性回歸

計算機：

Python編程基礎

igraph包編程方法

報名/咨詢課題詳情

請識別下方二維碼