加州大学伯克利分校电子计算机科学科研

UCB 科研组会议室 2017 年12 月1 日-3 月31 日,每期时间长度为4 周左右

- 针对人群 -

以欲申请美国名校电子信息、计算机、自动化等相关的高中生、大 学生为主。

- 你将获得 -

有机会与顶尖教授零距离交流,了解学术界和工业界的前沿风向

科研内容

**研究模块1 ---- Programming Intro (编程入门)**

编程是学习EECS 科研的一个重要组成部分,无论是基础的算法和数据结构,还是进阶的人工智能、网络、系统和安全,都需要学生具备扎实的编程基础,因此编程的重要性不言而喻。然而,大部分大学科研都假定学生将会在选修科研之前自行学习入门编程,因此在进入本科科研之前具备编程基础,对学生的学习将大有助益。导师将会借鉴伯克利CS 61A 科研的内容,用最新的内容引导学生,最终学生将能用Python 语言独立完成项目作为模块的总结。

**研究模块2 ---- Algorithm and Data Structures (算法与数据结构)**

算法和数据结构是EECS 的核心,这个模块将会重点讲解算法的重要概念——时间复杂度和空间复杂度,以及基本的算法和数据结构,例如搜索、排序、动态规划、数组、链表、队列、栈等等。导师同时提供伯克利的海量资源供学生参考。学生将能独立解决算法问题,对日后的专业学习都大有裨益。

**研究模块3 ---- Big Data (大数据)**

大数据技术(包括计算机视觉、无人车等等)是当前硅谷最热门的领域,模块将会重点介绍大数据时代下机器学习和数据挖掘技术。学生将学习基础的机器学习算法和概念,并在国际著名的大数据竞赛平台Kaggle 接触一手的大数据。导师将指导学生在Kaggle 参加并完成MNIST 任务。

**研究模块4 ---- Deep Learning (深度学习)**

承接上一模块的内容,学生将有机会接触最新的深度学习技术以解决大数据问题。重点讲解人工神经网络、反向传播算法、卷积神经网络等概念,并编写代码,利用MNIST 数据集,完成手写数字识别的任务。

科研进程

**Section 1** 介绍UC Berkeley CS Division 的总体概况,计算机科学概览,答疑 [Lecture] Overview of UC Berkeley CS Division · Ice-breaker · Basics of Computer Science -- Theory, AI, Database, Networking, Systems · Q&A [Lab] · Environment Setup (Slack, Python) Read CS 61A Lecture 1-2, Homework 1

**Section 2** 介绍程序设计基本概念,开始指导学生实践 [Lecture] · Control & Expressions · Discussion: Control and Higher Order Functions [Lab] · CS 61A Lab 1 Read CS 61A Lecture 3-7, Quiz 1

**Section 3** 函数与递归 [Lecture] · Discussion: Environment Diagrams and Recursion [Lab] · CS 61A Lab 2 Homework 2

**Section 4** 数组、链表、字典,复杂度分析 [Lecture] · Array, List, Dictionary · Asymptotic analysis [Lab] · Leetcode: 2Sum, 3Sum, 3Sum Closest, 4Sum

**Section 5** 排序:插入排序、归并排序、冒泡排序 [Lecture] · Sorting algorithms [Lab] · Leetcode: Insertion Sort List, Merge Two Sorted Arrays, Merge Two Sorted Lists, Merge k Sorted Lists, Sort List, Kth Largest Element in an Array

**Section 6** 分治法与动态规划 [Lecture] · Divide-and-conquer · Dynamic programming [Lab] · Leetcode

**Section 7** Kaggle 与MNIST 入门 [Lab] · Kaggle and MNIST · Jupyter, sklearn Read linear regression, Logistic regression, SVM

**Section 8** 线性回归、Logistic 回归、支持向量机 [Lecture] · Linear regression · Logistic regression · SVM [Lab] · Keras Read Neural Networks and Deep Learning

**Section 9** 机器学习进阶:深度学习 [Lab] · MNIST using convnet

**Section 10** 最终成果总结,导师一对一反馈 [Discussion] · Project wrap-up · One-on-one feedback

**招募要求**
面向对象:以欲申请美国名校电子信息、计算机、自动化等相关的高中生、大学生为主;
软性背景:有一定的科研履历者优先

**参与科研的最大收获**
1. 体会伯克利快节奏的学术氛围,挑战自身能力;
2. 拓宽学生视野。伯克利的计算机学术排名长期处于美国前四,而且坐落于世界信息产业的核心地带——硅谷,具有浓厚的创新创业氛围;
3. 学生将有机会与顶尖教授零距离交流,了解学术界和工业界的前沿风向;
4. 学生将在进入大学学习前,全面了解伯克利和其他顶级美国大学计算机系的培养流程,并对专业有完整的认知,不仅为大学打下一个良好的基础,也对学生今后的专业选择或者人生规划有很大的助益。

  • Henry

    2015

    此刻萌翻京哈德发现自己不行,萨宾啊的人在不再根本不想他所以为的辣么重要