麻省理工 x NTU？快来了解MIT前沿 AI/ML课程

机器学习模仿人类智慧，使计算机应用通过互动处理和算法训练来积累经验。机器学习技术增强了人类的能力，可以比人类更快地成为专家。机器学习系统可以有效、高效、低成本地测试系统和衡量解决方案。

课程主题：

线性代数和矩阵运算回顾，建模知识框架

建模和仿真

优化和数据驱动的建模

从优化到机器学习

概率论的方法

案例研究和总结

课程案例：

极光飞行科学 Aurora Flight Sciences

斯伦贝谢 Schlumberger

巴斯夫 BASF

学习者心声：

RACHAEL NAOUM

DASSAULT SYSTEMS产品定义工程师

这门课程的布局让所有的概念都非常容易理解，整个评分作业中都得到了很好的指导。整个课程是经过深思熟虑的。

VIVIAN D'SOUZA

DANA公司基于模型的系统分析工程师

这门课程融合了概念和实际应用。尤塞夫教授的内容与我尝试过的其他类似课程相比是无与伦比的，更不用说他对这个话题的热情具有感染力。

往左滑动查看

高阶SPOC: 机器学习在工程和科学领域中的应用

02

机器学习 (ML) 是人工智能 (AI) 的一部分，属于计算科学领域，专门分析和解释数据的模式及结构，以实现无需人工交互即可完成学习、推理和决策等行为的目的。机器学习整合更正信息，改进未来决策。

课程主题：

预测锂离子电池寿命

计算成像学习综合

地震深度伪造

线性回归和数据预测

几何表示法中的机器学习

利用机器学习量化复杂系统的风险

加速计算材料发现中的机器学习

复合材料设计中的实用机器学习

用于数据模拟和逆向问题的机器学习

课程案例：

锂离子电池寿命预测中的特征工程

计算成像的机器学习

地震深度伪造: 生成缺失数据的神经网络

石油和天然气生产的预测

两种3D几何数据模式

主动学习和优化实验设计

机器学习权衡

材料科学与工程

数据同化：从静态数据到顺序数据

学习者心声：

Lou C

Johns Hopkins University

我更深入地了解到了人工智能在量化金融，波形反演，计算机视觉，化学合成等领域研究中所扮演的角色，获得很多可借鉴的模型与方法，还能有机会了解顶尖院校中人工智能与不同领域交叉结合的前沿研究。

Mike L

University of Rochester

教授在SPOC和直播互动课上介绍了机器学习在各个领域的应用，并且介绍了应用具体方法，让我感到耳目一新！更深刻意识到人工智能的重要性，了解到了一些课题中利用人工智能深度学习解决问题的具体思路和方法。

人工智能领域的

领头企业研究项目

通过掌握前沿人工智能系统知识为机器学习相关领域做足充分的准备, 人工智能领域的前沿研究项目为学习者的学术生涯等做了更深入的准备。

左右滑动查看人工智能领域的领头企业项目

HOT

J.P. Morgan是金融服务的全球领导者，为100多个国家/地区的全球最重要的公司，政府和机构提供解决方案。 其“ You Invest Portfolios”服务使用高效的算法，以便根据有关客户的投资目标，风险偏好和财务约束的综合调查表为特定客户量身定制投资组合。

在本PBL中，学习者将学习包括.P. Morgan在内的大型投资银行用于开发新颖的金融服务的机器学习工具和现代金融经济学理论。

方向一: 按时间顺序或水平预测资产价格/收益

这或许是机器学习在金融领域最直接的应用之一，因为对资产价格/收益的合适衡量和预测一直是银行、投资公司和个人关注的焦点，这对瞬时PnL有直接影响。

方向二: 金融工具价格的高级模型校准

对于结构复杂的金融工具来说，一个适当的估值模型对于确定一个合适的金融工具是必不可少的。

方向三: 不完全市场中的消费-投资问题

在财富管理中，客户的投资目标、风险偏好和约束条件无疑是考虑的重要方面，以便提供合适的建议。

方向四: 多资产金融合同的有效估值 - PIDE方法

金融合同的估值通常与解决部分整数微分法有关。边界条件下的方程（PIDE）和神经网络的方法直到最近才在理论上证明了其在高维度方程数值求解中的有效性

HOT

Microsoft是全球最大的软件制造商之一。 其“计算机视觉”服务使人们可以访问高级算法，利用这些算法处理图像并根据这些图像的视觉特征返回信息。

该PBL借鉴了Microsoft的想法，致力于应用顶级计算机视觉系统将诸如自动驾驶汽车之类的应用推向未来。 学习者将学习这些算法和技术，并将其应用于学术界和工业界。

未完待续,请点击[下一页]继续阅读