课程安排 | ||
开始前一周 | 发放预习材料 | |
Lecture 1 | 2022年01月22日、周六、7-9pm | 四大职业路径&审计与财务尽调 |
Lecture 2 | 2022年01月29日、周六、7-9pm | 融资并购是什么;投资概览、商业计划书里分别包括什么;估值方法介绍 |
Lecture 3 | 2022年02月06日、周日、7-9pm | 并购的流程,以及相关的案例分析;买方和卖方以及过程中涉及到的公司和岗位介绍 |
Lecture 4 | 2022年02月12日、周六、7-9pm | 解析商业计划书 |
Lecture 5 | 2022年02月19日、周六、7-9pm | 商业计划书路演及点评 |
*详情课程安排,请查看项目手册,每周作业需要5小时左右完成。 |
聚焦于前沿的跨文化研究,致力于发掘跨文化研究的意义与价值,激发跨文化研究的兴趣,系统学习跨文化研究的方法,综合提升科研水平。
学习和掌握文献调查法、观察法、思辨法以及比较研究法等多种方式,提升信息检索能力和问题分析能力。
着眼于全球发展时代背景下产生的新兴学科-跨文化传播,探究不同国家的文化并学习跨文化传播研究的方法途径。
紧跟行业热点与学界发展趋势,研究内容涉及移民女性的生存困境、中日女性主义广告中的意义建构、中韩失恋情歌对伤痛的表达与认知等前沿方向。
搭建跨文化传播相关知识体系,培养运用理论知识探索和分析实际问题的能力,探究跨文化传播时代文化交融的多样性。
抓住社会热点,把握时代脉搏,了解前沿研究方向,学习科学的研究方法。
线上直播(全年滚动)共135课时 | ||||
科研先导课 | 录播+ 直播答疑 | 面试进行课题匹配,1V1建立个人服务档案,进行预习和项目准备工作,不限时长 | ||
根据课题及自身需求选择先导课程,完成选题和研究大纲(Research Proposal)等项目工作 | ||||
先导课内容 | 科研基础课程: 覆盖数理工商人文社科,学习科研思维 | |||
研究方法与工具课: 涵盖SPSS/ Stata/Eviews等7项专业技能,掌握研究方法 | ||||
理论知识基础课: 包括数学、生物学、经济学、计算机等11项基础内容,补充理论知识 | ||||
21门课合计90课时 (先导课会根据滚动课题难度和学生基础设置1-3次直播答疑,每次2课时) | ||||
教授核心课 | 教授 | 助教 | 写作 | |
共3周 | 课题背景课程3课时/周 | 课程辅导2课时/周 | 论文写作课程2课时 | |
共3周 | 小组课题研究3课时/周 | 研究辅导2课时/周 | 论文写作课程2课时 | |
共7周 | 成果展示汇报( Presentation) 3课时 | |||
论文服务 | 共4周 | 集中答疑8课时 | ||
合计45课时 |
信号处理(signal processing)是对各种类型的电信号,按各种预期的目的及要求进行加工过程的统称。对模拟信号的处理称为模拟信号处理,对数字信号的处理称为数字信号处理。所谓"信号处理",就是要把记录在某种媒体上的信号进行处理,以便抽取出有用信息的过程,它是对信号进行提取、变换、分析、综合等处理过程的统称。
针对使用硬件描述语言进行设计存在的问题,提出一种基于FPGA并采用DSPBuilder作为设计工具的数字信号处理器设计方法。
按照Matlab/Simulink/DSP Builder/QuartusI设计流程,设计一个12阶FIR低通数字滤波器,通过Quartus时序仿真及嵌入式逻辑分析仪SignalTapⅡ硬件测试对设计进行了验证。
了解卷积神经网络算法
熟练使用Matlab与DSP Builder
了解有限长脉冲响应滤波器与FPGA设计流程
整合中国高等教育资源,提供符合国际化需求的学术背景活动。
1v1科研(项目筹备→项目进行→项目收尾) | |||
科研先导(8-16课时) | 共4周 | 1st面试&项目匹配,1V1建立服务档案 | |
2nd进行课题背景知识学习,项目准备工作 | |||
3rd课题研究大纲撰写,选择自己期望研究的的案例与方向 | |||
4th R/matlab/python/Spss/Stata等应用软件学习课程(如课题中需要涉及使用) | |||
合计16课时 | |||
科研课题研究(12课时) | 共4周 | 教授指导(6-8课时) | 助教协助(4-6课时) |
课程背景课程 | 论文写作课 | ||
理论知识课程 | Academic Writing | ||
定制研究课程 | 论文大纲头脑风暴 | ||
论文框架搭建 | |||
合计16课时 | |||
课题服务课程 (8课时) | 共4周 | 论文修改 | 集中解答 |
6课时 | 2课时 | ||
合计8课时 |
*因科研项目特殊性,具体课程计划以导师安排为准
掌握NLP相关原理和技术,掌握概率论和信息论基础,学习N-GRAM统计语言模型的基本概念和构造方法。
学习机器学习的基本原理及应用,包括文本分类问题的解决方法。
人工智能研究领域的前沿课题,文理交叉型研究领域,匹配复合学科背景的申请要求紧跟行业热点与学界发展趋势,研究内容涉及当前国际/国内语言处理技术的近期发展新况、商业价值预测等热门选题。
了解NLP方向的研究方法。掌掘语言模型的研究方法,通过编程较件的实操,解决实际应用问题。
掌握人工智能方向的理论基础,写出有创新意义的学术论文。
线上直播(全年滚动)共135课时 | ||||
科研先导课 | 录播+ 直播答疑 | 面试进行课题匹配,1V1建立个人服务档案,进行预习和项目准备工作,不限时长 | ||
根据课题及自身需求选择先导课程,完成选题和研究大纲(Research Proposal)等项目工作 | ||||
先导课内容 | 科研基础课程: 覆盖数理工商人文社科,学习科研思维 | |||
研究方法与工具课: 涵盖SPSS/ Stata/Eviews等7项专业技能,掌握研究方法 | ||||
理论知识基础课: 包括数学、生物学、经济学、计算机等11项基础内容,补充理论知识 | ||||
21门课合计90课时 (先导课会根据滚动课题难度和学生基础设置1-3次直播答疑,每次2课时) | ||||
教授核心课 | 教授 | 助教 | 写作 | |
共3周 | 课题背景课程3课时/周 | 课程辅导2课时/周 | 论文写作课程2课时 | |
共3周 | 小组课题研究3课时/周 | 研究辅导2课时/周 | 论文写作课程2课时 | |
共7周 | 成果展示汇报( Presentation) 3课时 | |||
论文服务 | 共4周 | 集中答疑8课时 | ||
合计45课时 |
数据建模是一种用于定义和分析数据的要求和其需要的相应支持的信息系统的过程。因此,数据建模的过程中,涉及到的专业数据建模工作,与企业的利益和用户的信息系统密切相关。从需求到实际的数据库,有三种不同的类型。用于信息系统的数据模型作为一个概念数据模型,本质上是一组记录数据要求的最初的规范技术。数据首先用于讨论适合企业的最初要求,然后被转变为一个逻辑数据模型,该模型可以在数据库中的数据结构概念模型中实现。一个概念数据模型的实现可能需要多个逻辑数据模型。数据建模中的最后一步是确定逻辑数据模型到物理数据模型中到对数据访问性能和存储的具体要求。数据建模定义的不只是数据元素,也包括它们的结构和它们之间的关系。
统计分析法指通过对研究对象的规模、速度、范围、程度等数量关系的分析研究,认识和揭示事物间的相互关系、变化规律和发展趋势,借以达到对事物的正确解释和预测的一种研究方法。世间任何事物都有质和量两个方面,认识事物的本质时必须掌握事物的量的规律。目前,数学已渗透到一切科技领域,使科技日趋量化,电子计算的推广和应用,量度设计和计算技术的改进和发展,已形成数量研究法,这已成为自然科学和社会科学研究中不可缺少的研究法。
本课题由中国科学院大学专业团队指导,学习数据建模与统计分析专业技术,通过小组合作的形式,系统学习并撰写英文文章。
1、导师团队
中国科学院计算技术研究所(简称计算所)创建于1956年,是中国第一个专门从事计算机科学技术综合性研究的学术机构。计算所研制成功了我国第一台通用数字电子计算机,并形成了我国高性能计算机的研发基地,我国首枚通用CPU芯片也诞生在这里。六十多年来,计算所在科学研究和科技成果等方面取得了显著成就。截至2017年底,计算所获得国家、院、市、部级科技奖励227项,其中,国家级科技奖励50项(含非第一完成单位13项),院、市、部级科技奖励177项(含非第一完成单位15项)。技术服务加强了板卡设计服务能力,并逐渐扩展对企业的支撑服务。探索了基于云计算的科研服务模式,建设了以虚拟化平台、统一存储平台、音视频平台为基础的私有云环境,初步形成了基于云的计算、数据服务能力和音视频服务能力。
2、高效的科研训练
本次活动将使用基础知识学习+技术实践+文章发表的形式开展,在课题实践开展之前,我们会组织学生学习数据建模相关的基础知识,通读专业文献,进而引导学生完成技术实践,处理实验数据,并撰写英文文章。
有别于其他短期类培训项目,学生不仅学习专业知识,更重要的是亲自参与课题实践,并最终拿到知网检索的英文文章与论文集出版,将活动的实践效果提升到最大!
3、专家推荐信
通过小组合作的形式,每个人细致扮演不同的研究角色、训练集处理、数据记录、论文撰写等等方面互相协调,通力协作来解决问题。顺利通过的同学,将获得副研究员及以上的个人推荐信。
4、成绩单&评估表
完成整个项目后,导师将根据小组每位成员的表现进行评估,分别从小组项目成果的创新点、作业完成度、讨论过程、学生的学习态度、领导力、解决问题的能力等进行打分和评估。
申请目标专业为数学、统计学、计算机、大数据、数据建模、数据科学、数据分析等方向的学生。
春季第一期:2021.3.15-4.15
春季第二期:2021.5.15-6.15
暑期第一期:2021.7.1-7.31
暑期第二期:2021.8.1-8.31
秋季第一期:9.15-10.15
秋季第二期:11.15-12.15
寒假:2022.1.23-2.8(远程)2.9-2.15(实地)2.16-2.22(远程)
备注:寒假3周远程+1周实地,实地部分根据疫情情况而定
W1: 课题背景材料及基础理论知识
W2: 实验方法及分析相关软件
W3: 学术论文撰写方法学习及发表课程
W4: 课题实操、英文论文报告撰写
费用包括:
a. 研究项目费用(包含导师理论培训费用、课题指导费用、实验材料费用和写作指导费用);
b. 课程研究材料、课程文献材料;
c. 在课程结束后确保学生获得推荐信和完成论文报告撰写;
费用不包括:
a. 项目期间的交通、食宿费用,往返项目所在地的交通费用;
b. 申请论文所需要的版面费用;
c. 项目期间个人消费;
招生人数:4-6人
录取要求:英语成绩良好
|