加州大學(xué)洛杉磯分校博士科研課題

基于機(jī)器學(xué)習(xí)的手寫快遞單據(jù)自動(dòng)識(shí)別

課題簡介

基于機(jī)器學(xué)習(xí)的手寫快遞單據(jù)自動(dòng)識(shí)別

Automatic Handwritten Express Document Recognition Based on Machine Learning

無論銀行還是郵局，海量的數(shù)據(jù)已法單單依靠人力進(jìn)行操作分析。如何依靠計(jì)算機(jī)精確識(shí)別手寫數(shù)萬計(jì)的客戶票和快遞標(biāo)簽，成為提高物流、金融行業(yè)效率的重要課題。機(jī)器學(xué)習(xí)在這個(gè)課題上大有可為。此課題以手寫數(shù)字?jǐn)?shù)據(jù)，通過建立分類模型實(shí)現(xiàn)對(duì)這些數(shù)字的精確識(shí)別。

在此過程中，學(xué)生將學(xué)習(xí)到基礎(chǔ)概率統(tǒng)計(jì)知識(shí)，以及參數(shù)優(yōu)化的基本理論，并編程實(shí)踐兩三個(gè)不同的模型。在較總結(jié)不同模型的不同結(jié)果之后，學(xué)會(huì)積累模型判別的相關(guān)經(jīng)驗(yàn)，此課題的成果正在逐步應(yīng)用到銀行單據(jù)和快遞訂單的自動(dòng)識(shí)別中。

?科研流程

課程模塊一：預(yù)備課程?

在教學(xué)過程正式開始前，有方學(xué)者會(huì)根據(jù)學(xué)生的具體情況提供數(shù)學(xué)、統(tǒng)計(jì)、英語學(xué)術(shù)論文寫作等預(yù)備課程。

課程模塊二：科研輔導(dǎo)?

來自美國頂尖人工智能的機(jī)器學(xué)習(xí)科研團(tuán)隊(duì)將在有方學(xué)者團(tuán)隊(duì)的配合下，進(jìn)行8-12周的科研輔導(dǎo)：

微積分、線性代數(shù)和概率統(tǒng)計(jì)入門；

學(xué)習(xí) Python編程語言和相關(guān)的庫numpy, pandas, scikit-learn, matplotlib；

學(xué)習(xí)探索性數(shù)據(jù)分析（Explorative data analysis），并通過統(tǒng)計(jì)方法和可視化對(duì)金融數(shù)據(jù)進(jìn)行分析

學(xué)習(xí)回歸分析(regression)，對(duì)金融數(shù)據(jù)進(jìn)行社交媒體效應(yīng)的評(píng)估

學(xué)習(xí)幾種重要的自然語言處理和機(jī)器學(xué)習(xí)算法，提出初步的金融數(shù)據(jù)輿情情感分析；

課題驗(yàn)收需要學(xué)生完成英文學(xué)術(shù)論文的寫作，并向科研團(tuán)隊(duì)進(jìn)行答辯。

指導(dǎo)速度可能因?qū)嶋H教學(xué)情況而異

課程模塊三：論文寫作&發(fā)表?

在科研輔導(dǎo)結(jié)束后

項(xiàng)目導(dǎo)師將輔導(dǎo)學(xué)生完成論文寫作

協(xié)助學(xué)生完成論文在英文學(xué)術(shù)期刊上正式發(fā)表。

整個(gè)科研教學(xué)流程中，每一位學(xué)員都將有學(xué)術(shù)督導(dǎo)協(xié)助保障研究階段性作業(yè)和論文的進(jìn)度，確保取得研究成果。

---

課題要求

本課題適合： 9-12 年級(jí)學(xué)生

有一定的英語閱讀和寫作能力

有較強(qiáng)的邏輯思維和抽象思維能力

專業(yè)領(lǐng)域的零基礎(chǔ)學(xué)生，我們會(huì)提供相關(guān)的學(xué)術(shù)知識(shí)培訓(xùn)。

統(tǒng)計(jì)學(xué)：

矩陣的基本知識(shí)

計(jì)算機(jī)：

Python編程基礎(chǔ)

以上就是關(guān)于【加州大學(xué)洛杉磯分校博士科研課題：基于機(jī)器學(xué)習(xí)的手寫快遞單據(jù)自動(dòng)識(shí)別】的解答，如需了解學(xué)校/賽事/課程動(dòng)態(tài)，可至翰林教育官網(wǎng)獲取更多信息。

往期文章閱讀推薦：

貝賽思進(jìn)度太快怕掉隊(duì)？翰林校內(nèi)同步班課重磅推出，長期小班穩(wěn)節(jié)奏

從羅馬帝國到新冠先驅(qū)：TCR 歷史期刊收錄主題揭秘，為什么這項(xiàng)投稿值得深耕？