方向三 : 医学图像分析
计算机通常可以识别训练有素的人类医生可能错过的模式。有了人工智能，医疗诊断可以更快、更准确、更省钱
方向四 : 物体检测
物体检测是计算机视觉中最基本的问题之一，它的目标是识别给定图像中的物体并找到它们的准确位置
HOT
Lyft 是一家交通网络公司（TNC），它使用AI驱动的分析来预测未来的旅行请求，从而提前匹配请求，调度车辆和平衡空闲车辆。这样的分析能够优化资源分配并提高服务性能（缩短车辆等待时间和绕道时间）。
在本PBL 中，学习者将对广泛应用于交通网络公司（尤其是Lyft）以及智能交通领域的“短期预测”和其他机器学习模型建立深刻的理解。
方向一 ：高速公路短期交通流量预测
使用从高速公路上的传感器收集的数据探索在多个提前时间间隔（例如提前5分钟或15分钟）内的短期交通速度（即通过某一连结的汽车数量）预测
方向二：城市计程车短期需求大型预测
利用城市中的计程车行程数据，探索在多个提前时间间隔（例如提前5分钟或15分钟）内对短期计程车需求的预测 。
方向三：城市短期停靠共享自行车需求预测
使用城市旅行数据探索共享单车在多个提前时间间隔内的短期共享需求预测。
方向四：地铁系统短期乘客需求预测
该方向旨在使用地铁系统中的SmartCard交易数据来探索对多个短期时间间隔的短期乘客需求的预测
HOT
Morgan Stanley 作为一家全球金融服务公司运营。该公司为其客户和顾客提供投资银行产品和服务，包括企业、政府、金融机构和个人。它通过以下部门运营全球商务：机构证券，财富管理，和投资管理。研究重点是资产定价模型在使用共同基金风险调整后的业绩基准。
此PBL计划旨在帮助学生加深对机器学习技术的理解应用于上述金融领域，定量分析也是其中的重点。
方向一 ：风险管理
风险管理是了解公司在财务健康方面所面临的威胁的做法。它是每个公司的必要工具，对于那些可能经历其产品价值大幅波动的公司来说更是如此。
方向二：定价和估值
在这个方向上，学生将有机会处理基于不同方法的奇异期权的定价和估值，这些方法是基于数字方法的。
方向三：产品结构
金融产品的动态性允许采用量身定做的方法，即可以定制特定的产品以适应客户的金融需求。
方向四：交易
在这个方向上，学生将体验到作为一个交易员，他们不仅要制定，而且要能够执行和跟踪他们的交易策略。
HOT
Galaxy Digital 是一家专注于数字资产的金融服务和投资管理公司。 他们使用前沿技术为导向的工作方式，将他们的工作重点放在加密货币和区块链上，而区块链也有助于他们的内部工作流程。尽管区块链通常与加密相关联，但它的去中心化性质有更多的应用场景。区块链削弱了对第三方的需求，支持以用户为中心的交易。
该PBL将向学习者介绍区块链里的丰富的数据世界，重点介绍其架构和可能的用途。 学习者将了解去中心化网络的内部运作，以及如何在区块链环境中利用数据科学、机器学习和人工智能。
方向一 ：利用数据科学洞察金融市场
加密货币市场是著名的动荡和不可预测的，表现出与传统金融非常不同的行为
方向二：使用机器学习预测合规风险
比特币和以太坊等公共区块链网络是任何人都可以使用的开放环境。
方向三：构建Web3工具
为未来互联网价值提供动力--互联网正在发生变化，Web3工具与现有能力和基础设施相结合，为公共和私营部门的企业和个人带来了新的可能性
人工智能+区块链
大于其各部分的总和--学习系统和纯应用账本的结合为分布式协调和问题解决开辟了新的视野，具有新颖的经济激励结构
Schrödinger 是一家设计计算化学软件的公司，旨在快速低成本地发现新型疗法和材料。 Schrödinger 平台集成预测物理的方法与机器学习技术以加快这一过程。通过额外的计算分析循环，每轮实验项目中找出的最有希望的化合物会被优化。
在此PBL中，学习者将学习Schrödinger 用于大规模药物发现的计算工具，并将这些工具应用于未来的职业。
方向一 ：催化
通过简单的物理描述符对过渡金属的d带中心进行机器学习预测
方向二：电子
通过简单的物理描述符对无机固体的带隙进行机器学习预测
方向三：电池
含锂固体的筛选和离子电导率的机器学习预测
方向四：表面科学
构建机器学习力场以对氧化银表面进行分子动力学模拟
Johnson & Johnson是一家跨国公司，提供各种医疗器械和药品。 在2020年的新冠大流行期间，该公司与麻省理工学院的一个科研团队合作建立了用于疾病跟踪和预测的机器学习预测模型，从而使团队能够为疫苗开发过程做出数据驱动的决策。
学习者将有机会探索Johnson & Johnson 如何利用数据科学工具做出明智的决策，以及机器学习如何在医疗保健的其他许多方面发挥作用。
方向一
使用机器学习进行医学成像诊断增强，将集中于利用机器学习来后期处理医学图像，以增强对人体的诊断和筛查。
方向二
如何最大限度提高预防COVID-19的疫苗接种效率，将探索数据驱动的模型以及将机器学习用于增强模型的方法，并理解疫苗的使用对新冠病毒的流行病学影响。
方向三
萤光显微镜中用于细胞计数，检测和形态测定的深度学习，该方向将利用机器学习来自动执行计算分析。
方向四
量化评估隔离对COVID-19传染性传播的影响，将重点介绍构建物理驱动的AI模型，以分析隔离策略对控制COVID-19传播的影响。
关于Blended Learning
作为世界最前沿的大型混合式学习平台之一，Blended Learning 不断创新、颠覆、突破，提供强大的前端学习平台及数据化学习管理后台，突破物理限制，呈现互动性线上学习体验。教学团队由百余位教授、研究员、行业专家组成的教学团队负责教学，提供麻省理工学院（MIT）官方课程资源，学生可在项目中选修相应麻省理工学院课程并获得官方证书。
Blended Learning 课程项目在全世界快速发展至今，已有不同国家和地区的数千名学习者参与了课程项目，收获了影响其学业、职业发展的知识、经验、技能与视野。
参与项目学员来自美、加、澳、中、新、英等多个国家或地区，形成了顶尖的全球人才社群。
如何申请参与？
帝国理工 学子均有资格申请参与项目，且课程组将为优秀申请者提供专项奖学金支持。申请通过者可获取数千美元奖学金用于抵扣项目学费。
申请奖学金
及报名参加Blended Learnig 全球宣讲会
⬇️ 可扫码与课程组直接联系 ⬇️
Blended Learning MIT 官方咨询通道
扫码与课程组直接联系
