数据科学与统计学专题：基于协同过滤的智能推荐系统构建——以亚马逊个性化推荐功能为例探索用户行为的实时预测与优化

作者：南星教育 来源：院校库 标签：大学排名

数据科学与统计学专题：基于协同过滤的智能推荐系统构建——以亚马逊个性化推荐功能为例探索用户行为的实时预测与优化

开始日期: 2026-02-07

课时安排: 4周在线小组科研+2周论文指导

Prerequisites适合人群

适合年级 (Grade): 高中生/大学生

适合专业 (Major): 对数据科学、统计学、大数据、人工智能、计算机科学、机器学习、推荐系统、电子信息工程等相关方向感兴趣的学生

具备初步的python编程技术（先导课），能看懂，会调用即可；需要具有线性代数和概率论的基础知识（先导课）

Instructor Introduction导师介绍

W老师

中国科学院大学研究员

中国科学院大学

王老师 研究员

中国科学院大学 博士后

北京人工智能学会理事

IEEE、CCF会员

研究方向：机器学习，数据挖掘，模式识别，图像处理

在核心期刊发表论文多篇，主持国家自然科学基金等多项项目，现任IEEE、CCF会员，SIGVC成员，担任CCPR、ICPR、CGIV、SDM等国际会议程序委员会委员、评审专家、分会主席；担任《JMLC》、《计算机学报》、《软件学报》、《计算机研究与发展》等国内外学术刊物的评审专家；担任多家电信企业、移动互联网企业、创业公司的特聘研究员和技术顾问。

Program Background项目背景

21世纪以来，在数据和计算能力指数式增长的支持下，机器学习算法在应用中取得了重大突破，如人脸识别、语音识别、自然语言处理、网页搜索、购物推荐、自动化交易等，掀起了新一轮的人工智能浪潮。这些机器学习算法都通过计算机程序实现，然而，目前国内外相关教材和教学侧重于理论教学，缺乏与实践的结合，也缺乏通过编程解决实际问题的能力训练。

Program Description项目介绍

本课程旨在培养学生理论联系实际的能力，在对机器学习相关算法理论讲解的基础上，通过相关案例的实验操作，使抽象的算法理论具体化，从而加深学生对机器学习算法的感性认识，提高学生对算法理论的理解和应用能力。

Syllabus项目大纲

机器学习和模式识别简介：模式识别基本概念；机器学习基本概念及其在模式识别领域中的应用示例；机器学习面对的挑战

智能推荐：推荐系统概述；特征值分解；奇异值分解；实战案例：图像压缩；实战案例：无人机、无人安防图像识别；实战案例：基于协同过滤的推荐系统——亚马逊个性化推荐系统

神经网络与深度学习：神经网络概述；实战案例：使用感知器进行分类；实战案例：使用MLP识别手写数字；深度学习概述；实战案例：使用卷积神经网络识别手写数字

贝叶斯方法：贝叶斯定理；贝叶斯学习：朴素贝叶斯；实战案例：利用朴素贝叶斯分类模型进行文档分类；实战案例：利用朴素贝叶斯分类模型过滤垃圾邮件

聚类算法：无监督学习概述 ；K-means算法介绍；实战案例：K值的选择与可视化

项目答辩与点评：学生项目汇报与答辩、导师点评与指导。

Program Outcome项目收获

4周【在线小组科研+全球就业力大师课】+2周论文指导，共126课时

1500字左右的项目报告

优秀学员获得主导师推荐信（8封网推）

项目结业证书

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导或者CNKI检索的英文普刊全文投递与发表指导

上一篇：EE电子工程 通信工程专题：5G至6G的关键技术跃迁 面向未来应用场景的通信系统革新与性能提升方法研究

下一篇：返回列表