一、项目背景
伊利诺伊大学厄巴纳-香槟分校（University of Illinois at Urbana-Champaign，缩写为UIUC），建立于1867年，该校是美国“十大联盟（Big Ten）”创始成员，美国大学协会（AAU）成员，被誉为“公立常春藤”。该校还是最多元化、国际化的大学之一，其国际学生人数在全美大学排名第三，位列美国公立大学榜首。该校还是最早几所接受中国留学生的美国大学之一。该校一直致力于卓越的研究、教学和公众参与，校友中先后有23位获得诺贝尔奖，在美国公立大学中仅次于伯克利。
本研究项目隶属于UIUC-school of information sciences，在塑造信息的未来方面，该学院一直处于世界领先地位，被公认为信息科学专业研究的最佳目的地之一。一直致力于解决数据科学、人机交互、数字图书馆、隐私、人工智能、网络安全、生物和健康信息学、信息素养等领域的当代信息问题有关项目和研究。
二、项目说明
面向对象：欲申请美国名校应用计算机科学、人工智能、数学、统计、数据科学等相关专业的高中生，大学生；
软性背景：数学、物理、计算机、人工智能等相关专业；
科研导师：UIUC-iSchool 人工智能助理教授及团队研究员
科研形式：实地科研或者远程线上科研，导师授课+练习实战结合，完成课题学习、选题、研究实战及报告撰写。
phase 1：课题基础知识学习，课程+文献阅读
phase 2：确定研究课题，讨论研究思路以及研究进展
phase 3：汇报答辩+报告撰写
科研周期：实地科研：寒暑假期间，前往UIUC大学校内，每期时长为4周（针对假期不足4周的同学，可采取实地+远程相结合的方式）；
三、项目介绍
科研内容包含以下方向的科研课题。
研究模块1：高级机器学习
项目背景：
机器学习，尤其是深度学习，已被公认为是人类的下一次工业革命，在广泛的应用中展现了卓越的经验表现，流行的例子包括计算机视觉、自然语言处理或医疗保健应用。鉴于标题为深度学习等内容的新闻文章洪流已经超过了人类的视觉识别水平，以及我们手机上使用人工智能来丰富我们日常生活的便捷应用程序的激增，使用机器学习来提升我们的生活方式的愿望可能在未来的任何一分钟内实现。
项目说明：
该计划将为学生提供参与最前沿机器学习和深度学习研究的机会。该计划旨在为学生提供技能组合，以进一步推动相关研究领域的前沿，甚至可能更上一层楼。为实现这一目标，我们将直接进入项目的讨论和研究阶段，从学术论文的展示和调查开始，逐步引领可能产出知名出版物的方法创新。
针对学生：
该课题专为积极进取和自律的成熟学生而设计。学生需要具备深度学习方面的工作知识和经验，或者对统计学有深刻的理解。建议学生在开始此研究之旅之前在当地实验室进行研究。此外，受学习热情而非虚荣心驱使的学生更受青睐。
Syllabus
- Session 1: Introduction to Advanced Machine Learning Topics
- Session 2: Discussion and Survey of Advanced Topics
- Session 3: Discussion and Survey of Advanced Topics
- Session 4: Discussion and Survey of Advanced Topics
- Session 5: Discussion and Survey of Advanced Topics
- Session 6: Implementation and Experiments
- Session 7: Implementation and Experiments
- Session 8: Implementation and Experiments
研究模块2：应用机器学习方法开发：计算生物学等
项目背景：
机器学习的显著表现表明其巨大的潜力，可以彻底改变各个领域的应用，包括计算机视觉、自然语言处理等传统领域，数字医疗保健和计算生物学等现代领域，以及计算物理和地理科学等新领域。机器学习被广泛认为是推动多重科学前沿的主要力量，以及创新在社会中无处不在的新业务解决方案。
项目说明：
该计划旨在鼓励学生为机器学习的革命性力量做出贡献，并为未解决的问题提供创造性的人工智能解决方案。该计划将从统计和实践的角度为学生提供有关机器学习解决方案的工作知识，因此，学生将为开发自己感兴趣的问题的新方法做好充分准备。新开发的方法可能会产出学术出版物。
针对学生
该计划面向任何专业学习水平的学生，甚至是准备开始熟悉机器学习之旅的高中生。 欢迎任何专业的学生。鼓励主修生物、化学、物理或其他相关领域并有兴趣学习机器学习的学生参与该项目。
Syllabus
- Session 1: Introduction of Machine Learning with a Statistical Perspective
- Session 2: Introduction of Machine Learning with a Practical Perspective
- Session 3: Basic Statistical Machine Learning or Basic Deep Learning (depend on students’ interest)
- Session 4: Advanced Statistical Machine Learning or Advanced Deep Learning (depend on students’ interest)
- Session 5: Survey and Discussion of Challenging Scientific or Social Problems
- Session 6: Method Development for the Identified Problems
- Session 7: Method Development and Experiments
- Session 8: Paper Writing
四、项目收获
◆ 深入学习该领域知识和研究方法，积累科研经历和经验；
◆ 完成学术科研报告或者科研论文；
◆ 优秀学员将获得导师推荐信，助力世界名校申请；
◆ 学术成果有机会在专业国际学术期刊或EI/CPCI国际会议收录发表；
◆ 积累学术领域人脉；
◆ 有机会参加校内的讲座/专家研讨/学术活动等。
