招生通知 | 北京大学统计科学中心2020年本科生暑期学校

论坛小助手

招生通知 | 北京大学统计科学中心2020年本科生暑期学校

原文链接：http://www.stat-center.pku.edu.cn/xwdt/zxxw/1326852.htm

北京大学统计科学中心定于2020年8月10日-16日举办“北京大学统计科学中心2020年本科生暑期学校”。暑期学校的目的是通过开设学科前沿课程并引导本科生进行暑期科研，让相关专业本科生了解现代统计学与数据科学的基础，培养他们的兴趣，激发科研热情，从而为统计学科吸引高质量的学生、储备拔尖人才。

本次暑期学校课程内容涵盖随机矩阵、机器学习等重要热点领域的基础知识，由特邀专家与北大统计科学中心教研一线的专家授课，并由教师和助教带领学员开展相关科研活动并根据考核颁发“优秀暑期学员”认证。我们热忱欢迎全国各高校统计学、应用数学、数据科学及相关专业的学生踊跃报名。

鉴于疫情影响，暑期学校将采用线上腾讯会议形式（主会场允许被录取学员进入），其他感兴趣的听众可以通过分会场观看腾讯会议的同步直播。

主办单位：北京大学统计科学中心

课程一：数据科学中的随机矩阵理论

授课教师：丁秀才 助理教授（加州大学戴维斯分校）

课程简介：A key feature for modern data science is that data grows in size and complexity. There is an urgent demand to get a full understanding on how the classic statistical and machine learning methods can be modified to model and analyze such data (i.e., beating the curse of dimensionality). Among the tools, Random Matrix Theory has emerged as a particularly useful framework for posing and addressing many theoretical and practical questions associated with the analysis of high dimensional noisy data.

In this short course, we will first introduce many challenging problems in data science involving high dimensional and noisy data. For example, covariance matrix estimation, matrix denoising, random sketching and high dimensional bootstrapping. We will further analyze many useful algorithms associated with these problems. Such algorithms usually arise from the fields of statistics, machine learning and manifold learning. We will see that these problems boil down to the study of large dimensional matrices. Then we study and analyze such large dimensional matrices using Random Matrix Theory. We will study both the macroscopic and microscopic structures of the eigenvalues and eigenvectors of these matrices using the dynamic approach developed by László Erdös and Horng-Tzer Yau. We will focus on the discussion of sample covariance matrices and give a complete picture of the behavior of the eigenvalues and eigenvectors.

课程二：理论机器学习

授课教师：张志华  教授（北京大学数学科学学院）

                林伟  助理教授（北京大学数学科学学院）

课程简介：深入理解机器学习的理论基础，是增强机器学习方法的泛化性、稳定性、可解释性以及设计新一代人工智能算法的关键。本课程将讲授机器学习研究中若干重要而深刻的理论工具，并介绍其在一些典型机器学习任务中的应用。

招生对象：全国高校相关专业三年级本科生；特别优秀的相关专业二年级本科生。

招生人数：30-40人

报名方式：

报名材料：本科成绩单（由教务部盖章）、自荐信、英语水平证明

报名方式：请通过报名链接或扫描下方二维码提交报名材料

报名链接：https://www.wjx.top/jq/82880072.aspx

报名截止时间：7月24日

录取结果通知：7月31日前以邮件形式通知被录取学员

联系方式：

联系人：王彦懿老师

联系电话：010-62760736

邮箱：stat-center@pku.edu.cn