加利福尼亞大學(xué)洛杉磯分校博士科研課題

基于大數(shù)據(jù)分析的精準推薦系統(tǒng)

課題簡介

基于大數(shù)據(jù)分析的精準推薦系統(tǒng)

Machine learning for intelligent recommender systems

解決信息超載問題一個非常有潛力的辦法是推薦系統(tǒng)，它是根據(jù)用戶的信息需求、興趣等，將用戶感興趣的信息、產(chǎn)品、服務(wù)等推薦給用戶的個性化信息推薦系統(tǒng)。和搜索引擎相比推薦系統(tǒng)通過研究用戶的興趣偏好，進行個性化計算，由系統(tǒng)發(fā)現(xiàn)用戶的興趣點，從而引導(dǎo)用戶發(fā)現(xiàn)自己的信息需求。一個好的推薦系統(tǒng)不僅能為用戶提供個性化的服務(wù)，還能和用戶之間建立密切關(guān)系，讓用戶對推薦產(chǎn)生依賴。推薦系統(tǒng)現(xiàn)已廣泛應(yīng)用于很多領(lǐng)域，其中最典型并具有良好發(fā)展和應(yīng)用前景的領(lǐng)域就是電子商務(wù)領(lǐng)域。同時學(xué)術(shù)界對推薦系統(tǒng)的研究熱度一直很高，逐步形成了一門獨立的學(xué)科。

本課題將以電影推薦系統(tǒng)為例進行深入研究學(xué)習(xí)。課程參與者將學(xué)習(xí)到推薦系統(tǒng)的基本原理與方法，線性代數(shù)在計算機領(lǐng)域的應(yīng)用，機器學(xué)習(xí)方法以及科學(xué)研究的基本方法。在課題開始時，參與者將學(xué)習(xí)到一個推薦系統(tǒng)的基本構(gòu)架并直接進行動手練習(xí)。隨著課程深入，導(dǎo)師將根據(jù)參與者的學(xué)習(xí)進度和興趣對于推薦系統(tǒng)進行深度優(yōu)化，達到學(xué)術(shù)論文報告的基本要求。

本課題是跨計算機和經(jīng)濟學(xué)的綜合研究，是機器學(xué)習(xí)相關(guān)技術(shù)的實際應(yīng)用。研究者將使用Python構(gòu)建一個智能的精準推薦系統(tǒng)。

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)者會根據(jù)學(xué)生的具體情況提供數(shù)學(xué)、統(tǒng)計、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器學(xué)習(xí)科研團隊將在有方學(xué)者團隊的配合下，進行8-12周的科研輔導(dǎo)：

微積分、線性代數(shù)和概率統(tǒng)計入門；

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)計方法和可視化對金融數(shù)據(jù)進行分析

學(xué)習(xí)回歸分析(regression)，對金融數(shù)據(jù)進行社交媒體效應(yīng)的評估

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

課題驗收需要學(xué)生完成英文學(xué)術(shù)論文的寫作，并向科研團隊進行答辯。

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)和論文的進度，確保取得研究成果。

---

課題要求

本課題適合： 9-12 年級學(xué)生，有較強的邏輯思維和抽象思維能力

本項目適合適合申請STEM專業(yè)方向：計算機、數(shù)學(xué)等相關(guān)專業(yè)的學(xué)生。

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

英文：

能使用英文閱讀學(xué)習(xí)網(wǎng)上編程教程

數(shù)學(xué)：

概率統(tǒng)計基礎(chǔ)知識、線性回歸、線性代數(shù)基礎(chǔ)

計算機：

Python編程基礎(chǔ)、Numpy庫基礎(chǔ)、Pandas庫基礎(chǔ)

Scipy庫基礎(chǔ)、Scikit-learn庫基礎(chǔ)、Matplotlib庫基礎(chǔ)