科研課題學員專訪｜興趣是最好的驅動力 發論文好像也沒有那麽難

科研項目如何提升競爭(zheng) 力？

論文小白真的可以發論文麽(me) ？

F同學告訴你提前規劃

選擇適合自己的科研項目有多重要

F同學

南京信息工程大學

前40%

目前收到的offer有UCL的科學與(yu) 數據密集型計算、曼徹斯特大學的健康數據科學以及香港城市大學的生物統計

參與(yu) 項目

《數據科學課題：Python玩轉數據處理與(yu) 預測---基於(yu) 股票和商業(ye) 的數據科學技術分析與(yu) 機器學習(xi) 應用的研究》

部分offer截圖

你當時為(wei) 什麽(me) 想要做科研？覺得這個(ge) 課題最打動你的地方在哪裏呀？

首先，我選擇這個(ge) 科研的主要原因是想豐(feng) 富自己的學術背景，同時學習(xi) 科研方法和論文寫(xie) 作技巧，為(wei) 未來的深造和職業(ye) 發展打下堅實的基礎。

其次，這個(ge) 課題的研究方向與(yu) 個(ge) 人興(xing) 趣高度契合。我一直對數據科學、機器學習(xi) 在金融和商業(ye) 中的應用感興(xing) 趣，而這個(ge) 課題正好涉及股票市場分析、商業(ye) 數據建模，可以讓我深入研究這些領域的技術應用。

最後是導師的學術背景和實力。我的導師來自牛津大學，在數據科學和機器學習(xi) 領域有深厚的研究積累。能夠跟隨這樣的導師學習(xi) ，是一個(ge) 難得的機會(hui) 。

F同學同款科研項目

授課教授來自牛津大學終身正教授

項目背景：

人工智能在圍棋、象棋、德撲等領域都已經取得了碾壓式勝利，這已經是一個(ge) 不爭(zheng) 的事實。事實上人工智能已經可以用於(yu) 任何需要理解複雜模式、進行長期計劃、並製定決(jue) 策的領域。人們(men) 不禁想問，還有什麽(me) 是人工智能不能克服的嗎？

譬如說，變幻莫測的A股？如果將股市的價(jia) 格變化看做一個(ge) 隨時間變化的序列，我們(men) 往往會(hui) 發現，即使建立了符合股價(jia) 變化的這樣的模型，並且在有足夠多的訓練數據的情況下模擬出了股價(jia) ，但是這些模型最多隻能在特定的區間能做一些並不十分精準的預測。換句話說就是可以預測但不能精準預測。

事實上影響股價(jia) 的因素不僅(jin) 僅(jin) 是曆史股價(jia) ，還有更多的因素，公司的近況，股民對股票的態度，政策的影響等等。所以許多人從(cong) 這方麵進行入手，用人工智能提供的快速計算能力，使用合適的模型，來量化這些因素。

當你的模型將所有的因素全都考慮進來,那麽(me) 股價(jia) 的預測就唾手可得了。隨著人工智能技術的持續進步，人工智能投資成為(wei) 被學術界和資本看好的領域。英國布裏斯托爾大學教授克裏斯蒂亞(ya) 尼尼說，股票投資是十大最有可能被人工智能改變的行業(ye) 之一。

項目介紹：

2017年，摩根大通發布了一份題為(wei) 《大數據與(yu) 人工智能戰略：機器學習(xi) 和其它投資數據分析方法》的報告，對機器學習(xi) 對金融領域的影響進行了全麵的闡述，昭示著機器學習(xi) 已經敲開金融領域和商業(ye) 數據分析的大門。機器學習(xi) 是什麽(me) ？如何與(yu) 商業(ye) 分析相結合？項目將通過介紹兩(liang) 種非常實用的商業(ye) 分析工具，即Python編程語言和機器學習(xi) 工具包，幫助學生厘清上述問題的答案。

學生將著重了解機器學習(xi) 在商業(ye) 分析股市預測中的應用，利用機器學習(xi) 分析市場數據解決(jue) 商業(ye) 問題。該項目內(nei) 容包括機器學習(xi) 與(yu) 數據科學概論、商業(ye) 分析中市場數據處理的機器學習(xi) 技術與(yu) 算法、Python與(yu) Jupiter notebooks交互式學習(xi) 、機器學習(xi) 庫、股市預測等。學生將在項目中學習(xi) 如何使用機器學習(xi) 完成商業(ye) 市場數據分析，進行股市預測，在項目結束時，提交項目報告，進行成果展示。

整體(ti) 參加完之後，覺得機構的這個(ge) 課題有沒有達到你的期望值？

達到了我的期望值。這次項目經驗不僅(jin) 增強了我的科研能力，也培養(yang) 了學術寫(xie) 作技巧，並且讓我深入了解了機器學習(xi) 在金融和商業(ye) 中的實際應用。

通過導師的指導，我學會(hui) 了如何進行數據預處理、模型選擇、結果分析，並最終完成了一篇較為(wei) 完整的學術論文。

課堂剪影

final課題和論文的方向是什麽(me) 呀？對自己的final是否滿意，展開講講？

Final的題目和方向是基於(yu) 機器學習(xi) 方法的航班延誤預測。

我覺得十分滿意，這是我完成的第一篇學術論文。論文從(cong) 數據收集、特征工程、模型搭建、實驗分析到結果討論，都經過了係統性的研究。

我的pre和final得到了老師的認可，這讓我對自己的研究能力更加自信。

完整的參加完機構的項目課題，對於(yu) 你申請/目前學習(xi) 有什麽(me) 幫助？給同樣準備留學的同學一些建議嗎？

有以下三點：

1⃣️ 提升科研能力：通過這次科研，我更加熟悉如何構思研究問題、設計實驗、分析數據、撰寫(xie) 論文，這些能力在未來的研究生階段會(hui) 非常有幫助。

2⃣️ 學術寫(xie) 作技巧：在導師的指導下，我掌握了學術論文的寫(xie) 作規範，包括摘要、方法、實驗、結果分析等部分，為(wei) 以後發表論文打下了基礎。

3⃣️ 豐(feng) 富學術背景：這個(ge) 科研項目增強了我的學術經曆，使我的申請材料更有競爭(zheng) 力。

課堂剪影

請評價(jia) 一下教授，論文導師/助教/班主任

教授：導師學術水平很高，對數據科學和機器學習(xi) 的理解很深刻。

論文導師：在論文撰寫(xie) 過程中給予了很多細致的修改建議，讓我的論文更加嚴(yan) 謹和清晰。

助教：非常耐心，隨時解答我們(men) 的技術問題，特別是在模型訓練和數據處理方麵給了很多幫助。

班主任：組織工作很到位，確保了整個(ge) 科研項目的順利進行。

服務團隊的老師們(men) 配合的很好，回答問題也很及時，使我整個(ge) 學習(xi) 體(ti) 驗非常滿意。

給同樣準備留學的同學一些建議嗎？

1⃣️ 選擇自己感興(xing) 趣的課題，這樣才能保持動力，深入鑽研。

2⃣️ 多和導師溝通，他們(men) 的經驗可以幫助你更快理解科研的邏輯。

3⃣️ 動手實踐，不要隻是學理論，自己去跑代碼、做實驗，才能真正掌握機器學習(xi) 的方法。

相關(guan) 項目推薦