統計學習和數學優化的運用

統計學習理論是一種研究訓練樣本有限情況下的機器學習規律的學科。它可以看作是基于數據的機器學習問題的一個特例，即有限樣本情況下的特例。統計學習理論從一些觀測（訓練）樣本出發，從而試圖得到一些不能通過原理進行分析得到的規律，并利用這些規律來分析客觀對象，從而可以利用規律來對未來的數據進行較為準確的預測。小編今天要為大家介紹的這個科研項目就有此有關，課題題目是西北大學博士科研課題：統計學習和數學優化在March Madness預測中的運用。

課題簡介

統計學習和數學優化在March Madness預測中的運用

Statistical Learning and Optimization in NCAA March Madness Prediction

NCAA March Madness是全美大學生男子籃球聯賽季后賽。全國共有64支大學校隊根據常規賽戰績與賽程參與淘汰賽。在本課題中學生將采集NCAA男子籃球常規賽的數據，學習多種統計學習模型，并以歷史常規賽數據為自變量，歷史季后賽的數據為因變量建立數學模型，預測未來季后賽的比賽結果。

科研流程

課程模塊一：預備課程

在教學過程正式開始前，有方學者會根據學生的具體情況提供數學、統計、英語學術論文寫作等預備課程。

課程模塊二：科研輔導

來自美國頂尖人工智能的機器學習科研團隊將在有方學者團隊的配合下，進行8-12周的科研輔導：

微積分、線性代數和概率統計入門；

學習 Python編程語言和相關的庫numpy, pandas, scikit-learn, matplotlib；

學習探索性數據分析（Explorative data analysis），并通過統計方法和可視化對金融數據進行分析

學習回歸分析(regression)，對金融數據進行社交媒體效應的評估

學習幾種重要的自然語言處理和機器學習算法，提出初步的金融數據輿情情感分析；

課題驗收需要學生完成英文學術論文的寫作，并向科研團隊進行答辯。

指導速度可能因實際教學情況而異

課程模塊三：論文寫作&發表

在科研輔導結束后

項目導師將輔導學生完成論文寫作

協助學生完成論文在英文學術期刊上正式發表。

整個科研教學流程中，每一位學員都將有學術督導協助保障研究階段性作業和論文的進度，確保取得研究成果。

授課導師

西北大學博士

曾為美國各主要機場的行動能力形象制定了指導方針；創建并維護運輸局、統計局ATL機場到達/離港數據的數據庫和航空氣象中心的天氣預報數據。

曾多次在國外期刊重要期刊上發表學術論文：”A Class of Sequential Decision Prolems with Stochastic Disruptions”

”An Enhanced Stochastic Optimization Model for Ground Delay Program (GDP)Planning”

研究方向：Machine Learning

課題要求

本課題適合： 9-12 年級學生

有一定的英語閱讀和寫作能力

有較強的邏輯思維和抽象思維能力

專業領域的零基礎學生，我們會提供相關的學術知識培訓。
不知道大家對西北大學博士科研課題：統計學習和數學優化在March Madness預測中的運用有沒有興趣呢？如果有興趣的話，就趕快報名參加吧。

報名/咨詢課題詳情

請識別下方二維碼