现在烹饪都能跟科研挂钩了？

饮食文化 | 深度学习 | 计算机科学 | 统计学

Food Culture | Deep Learning | Computer Science | Statistics

可选课题

每位报名学生，在课程学习期间可以使用有方AI编译云平台。

AI探究系列课程 - 趣味AI

什么是烹饪？

What's Cooking

音乐流派自动分类识别 Automatic Music Genre Classification

可视化声音聚类

Voice Cluster Visualization

用人工智能实现简笔画

Teaching Computers to Sketch

使用深度学习将描述转化为图像

Using Deep Learning to Generate Images from Descriptions

使用深度学习将图像转化为描述

Using Deep Learning to Generate Descriptions from Images

人工智能玩游戏：谷歌霸王龙小恐龙

How AI Can Play Games – Google’s Running T-Rex

基于深度学习的图像定位技术

Image Positioning based on Deep Learning

基于深度学习的图像风格变换技术

Using Deep Learning to Transform Image Style

用人工智能生成手写字

Generating Handwritten Figures by Artificial Intelligence

课题一

什么是烹饪

What's Cooking

想像自己在当地的露天市场漫步，你看到了什么？你闻到什么？你今晚会吃什么？

如果你在北加利福尼亚，你会走过不可避免的绿叶蔬菜蒲式耳，加上深紫色羽衣甘蓝和明亮的粉红色和黄色的甜菜。在韩国的世界各地，明亮的红色泡菜群欢迎你，而海洋的气味吸引你注意鱿鱼在附近蠕动。印度的市场也许是最丰富多彩的，充满着数十种香料的浓郁色彩和香味：姜黄，八角茴香，罂粟籽，以及肉眼看不到的香料。

课程简介

烹饪指的是膳食的艺术，是一种复杂而有规律的将食材转化为食物的加工过程，是对食材加工处理，使食物更可口，更好看，更好闻的处理方式与方法。

机器学习是一门多领域交叉学科，涉及概率论、统计学等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

本课题将通过分析具体食材列表，预测菜肴所属类别。

导师团队

导师团队：

CMU、JHU、UCLA等美本TOP30顶尖高校博士、硕士以及行业内顶尖AI科研人员；

他们在AI及相关领域拥有多年数学开发和一线教学经历，具有丰富的前沿科研经验；

学术论文多次在SCI及EI等国外期刊上发表，相关科研学术成果多次被业界人士所引用；

多项科研成果在国际领域权威大赛中获奖。

超值回报

“有方探究”课程，你将获得四大超值回报：

论文发表

你的学术论文，可发表在专为你定制的个人网站上。

成果展示

你最终的项目成果，可发布在业内人士交流平台上进行展示：如GiHub（计算机行业交流平台）、Kaggle（数据科学行业交流平台）等。

顶尖导师

你将与来自CMU、JHU、UCLA等行业内顶尖导师共同学习，深入探究。

能力提升

你将完全掌握和运用简单的AI模型解决课题的能力，其水准相当于美本三年级学生。

课程要求

本课程适合以下学生参与：

9-11年级0基础入门科研学生

对科研、编程和数学充满兴趣

有志于冲击 Top 50 美国名校

提升自身竞争力、丰富自己的简历

学生还将收获更多·····

从基础到进阶，32课时实操

1对1对话顶尖人工智能导师

根据兴趣自由选择探究课题

深入AI研究的高级领域

*注：每一期每一个课题至多招收两名学生

系统教学计划

以下为本课程项目具体教学计划

请仔细阅读

衔接课程：壹

课程时长：7课时

Chapter 1 Python语言基础

数据结构（数字，列表，字典等）

逻辑语句（if-else）以及循环（for-loop，while-loop）

函数/库的调用以及文件导入（excel file, csv file等）

数据可视化（matplotlib库）

Chapter 2 微积分

极限以及连续的定义

函数微分的计算

函数积分的计算

SymPy库的应用

Chapter 3 线性代数

向量与标量

矩阵以及矩阵的运算

NumPy库的应用

Chapter 4 概率与统计

概率以及条件概率

概率密度的介绍

描述数据的统计量（均值、方差等）的含义和应用

Python统计函数的介绍

PBL课程：贰

课程时长：8课时

课程简介

人工智能以及机器学习介绍

机器学习模型的评估

决策树分类的理论以及程序实现

Logistic Regression的理论以及程序实现

KNN算法的理论以及程序实现

朴素贝叶斯模型的理论以及程序实现

进阶课程：叁

课程时长：10课时

课程简介

人工智能和机器学习项目的课题探究流程

数据分析和特征选择的原理与程序实现

Regression算法的原理和程序实现

Support Vector Machine算法原理和程序实现

Artificial Neural Network算法原理和程序实现

Clustering算法的原理和程序实现

Dimension Reduction的原理和程序实现

直播指导课程：肆

课程时长：6~12课时

学习几种重要的神经网络结构及训练算法；

熟悉Tensorflow等机器学习库的编写；

运用神经网络完成课题项目；

录制成果视频并在Github上公布代码。

本系列课程总计课程时长31~37课时，其中衔接课程、PBL课程、进阶课程为录播课程，学生可以合理安排时间，根据自己学习进度反复、自由学习，直播指导课程为科研导师在线直播。

增值服务

每位报名学生，在课程学习期间可以使用有方AI编译云平台。

购买须知

更多咨询