您的位置:首页>讲座>【科研实训】哈佛大学数理统计

【科研实训】哈佛大学数理统计

2019年12月04 15:47  作者:  来源:  162人浏览


学校简介

哈佛大学(Harvard University ),是一所享誉世界的私立研究型大学,是著名的常春藤盟校成员。这学校出了8位美利坚合众国总统,上百位诺贝尔获得者曾在此工作、学习,其在文学、医学、法学、商学等多个领域拥有崇高的学术地位及广泛的影响力,被公认为是当今世界最顶尖的高等教育机构之一。


项目简介

科研导师:哈佛大学工学院研究数学统计相关导师;
科研地点:哈佛大学校内教室、会议室、图书馆等研究学习场所;
科研时间:寒假或者暑假每期时间长度3-4周;具体课题根据学生的基础,导师面试后确定。具体情况根据学生面试情况由美方进行调整;面试前辅导学生阅读1篇专业论文。
科研主题:统计、建模和计算在智能交通上的运用

招募要求

面向对象:以欲申请美国名校应用数学、统计、计算机、数据科学等相关专业的高中生,大学生;
专业背景:数学、计算机等相关专业;
软性背景:有一定的科研履历者优先;

科研介绍

这是一个以课题为基础的研究项目,涵盖交通规划、道路安全和城市经济。该课题的重点是数理统计,更具体地说,包括描述性统计,建模结构和数值计算。重点介绍了决策过程中与数理统计有关的几种经典方法,如层次分析法、topsis法、rsr法等,同时也介绍了常用的数学软件包,如matlab、spss等。此外,本研究还将介绍商业参考资料管理软件endnote的使用,endnote用于撰写论文和文章时管理参考书目和参考资料。总的来说,通过参加这个项目,在试探中发现、分析和解决与他们未来的研究密切相关的数学问题方面会有很大的进步。”


课题计划:
Session 1:数据收集、清理和规范化
Session 2:统计学、建模和计算概论–建议工具MATLAB, SPSS, LINGO. Session 3:多项式logit模型(mnl)和ols模型
Session 4:层次分析法
Session 5: 熵值法是指用来判断某个指标的离散程度的数学方法
Session 6: 经典TOPSIS
Session 7: 秩和方法(Rank-sum ratio,简称RSR法) Session 8:聚类分析方法Clustering Analysis (CA) Session 9:BP Neural Network
Session 10:Principal Component Analysis (PCA)/Common Factor Analysis (CFA) 
Session 11:Multiple Correspondence Analysis (MCA)
Session 12:Final presentation

科研收获

1、浸入式的学术氛围,切身体会常春藤名校——通过参加紧张丰富的3-4周科研,学生能亲身体会精英学子们在这样的学术氛围下如何完成自身成长;
2、极大拓宽学生视野,哈佛大学是世界一流的学术中心,处在这样一个学习氛围下,能够让学生拥有国际视野,了解到世界顶尖的学术研究课题和内容,从而对整个行业有更清晰的认知;
3、学生将有机会与顶尖教授、学者零距离交流,聆听世界一流学者的讲座,获取该产业第一手现实资料;
4、科研完成后,学生将会全面了解并体会到高端人才的学术培养流程,并对所学专业有一个完整的认知,将对学生今后的专业选择或者人生规划帮助良多;
5、提前感受并学习美式学术研究的方法和逻辑思维,预先为未来进入状态。

选拔流程

1、提交报名表;
2、初审合格,签订协议,科研组择优面试;
3、面试通过后,发送录取确认书;
4、协调机票、接机、住宿;
5、赴美开始科研。

本文标签:

分享

相关文章推荐

返回首页

最近推荐

国外大学排行