#大数据  #数据科学  #计算机应用  #机器学习

职场社交网站LinkedIn发布报告，列出了美国增长最快的工作职缺，排在前两位的是机器学习和数据科学。在排名前十的职缺中，有四个都与数据科学有关，而且其中三个都位列前五。为什么数据科学、机器学习职缺增长得如此之快呢？

数据科学涉及统计学、资讯学、计算、通讯、社会学、管理等多个知识领域的融会贯通，故数据科学的理论是以这些学科的理论为基础。目前数据科学所涉及的数据分析技术包括：统计学、计算机科学、机器学习、数据可视化等多方面。

机器学习是数据科学的重要组成部分，也是人工智慧的一个重要分支，机器学习演算法的主要目标是对数据进行分析得出规律，利用规律对未知的数据进行预测。可以看到，机器学习演算法的目标是从数据中挖掘或者统计出有用的信息、知识乃至智慧。机器学习领域中的深度学习技术能有效地分析处理大数据，近些年深度学习技术的兴起，使得机器学习作为数据科学中的一种技术，得到了更多的关注。



课程选择：

☰ 人工智能：机器学习和深度学习

在本课程中，学员将与教授一起了解机器学习和数据科学的基础理论和方法，探讨机器学习和数据科学在业界和学界的最新动态及应用。还将讨论以深度学习为例的改变了机器学习领域的新技术。学生还将接触到现实世界中的问题，在这些问题中，将使用机器学习或深度学习中的各种工具给出和分析样本数据，以及用Python及其中的深度学习框架实现所学演算法的实践。

本方向研究涵盖：

1.机器学习基础知识

2.神经网路

3.用Python机器学习

4.深入学习

5.深度学习的应用

6.机器学习中的生成模型

☰ 数据科学：数据处理与统计分析研究

数据呈现是所有数据分析的基础，好的数据特征呈现可以使得整个分析获得更好的结果，这部分重点回顾了基于深度学习的特征呈现方法以及国内外进展情况。大数据不仅仅是体量大，还存在复杂的结构，多源异构属于复杂数据中的一种，随着数据采集设备的发展，通常一个目标存在多种呈现，即构成目标的多模态（多视图）呈现。这部分重点给出多模态分类器学习、多模态子空间学习和多模态相似性度量等相关工作的研究进展。互动式大数据是由多个行为实体共同作用产生的。在该方面，本文将主要从强化学习和多 agent 博弈等方面对相关研究进行介绍。

本方向研究涵盖：

1.大数据

2.数据挖掘大数据

3.可视化大数据

4.数据科学方法

5.大数据的机器学习

6.储存大数据

☰ 计算机科学：Python在网络爬虫、机器学习及数据可视化中的应用

从Python程式设计的基础理论知识入手，循序渐进学习Python的专案开发，并通过引入实际案例的学习，帮助学生更好的系统性学习Python，做到理论与实践相结合，方法与应用相结合。本课程除要求学生掌握Python语言的运用，更重要的是要求学生拥有分析问题、解决问题的能力和学以致用的思想，为更深入地学习和今后的实践打下良好的基础。

了解机器学习的基本概念；了解机器学习的分类，包括监督学习、非监督学习、半监督学习和强化学习；了解对于多分类任务常用的评价指标；了解卷积神经网路的概念和深度神经网路的基本元件。

了解MATLAB和Python在数据分析与可视化上各自的特点；了解NumPy的使用方法；了解Pandas的使用方法；了解Matplotlib的使用方法；了解SciPy与SymPy这两种函式库。

☰ 计算机应用：人工智慧演算法在物理领域中的具体应用

学生需要通过阅读相关文献对人工智慧的实例进行深入学习，分析其应用背景的特点与人工智慧在该领域应用的主要难点。通过比较既有研究在该方面的成果，分析不同下降演算法对于人工智慧在该问题上的学习效率与学习强度的影响。查找人工智慧实例；分析人工智慧演算法结构；分析人工智慧如何处理特定领域的问题。