点击“蓝字” 关注我们

问:请问你们去年参加丘奖的学生,获奖比例怎么样?
答:大概67%,获奖的选手全部入围决赛,一个金奖
问:请问你们去年参加ISEF的学生,获奖的比例怎么样?
答:已知的,大概100%,都是state fair的奖项(如果有其他偷偷去参加比赛的学生记得告诉我们,便于我们统计数据)
问:今年呢?
答:我们共同期待一下吧。😀
问:为什么你们的获奖比例这么高?
答:因为我们非常鼓励学生不要临时抱佛脚,要长期规划、长期培养自己的科学素养、进行科研训练,基础打得好,选定方向就能比别人更高效地出成绩!
在有方教育的科研体系内,有一个基础项目--探究项目,它是绝大部分高端学术竞赛的先修项目;带学生了解科研为何物,并且能够掌握部分科研技能,可以说是十分推荐使用的获奖“神器”。
👇

1、为什么我们要做先修性质的探究课题?
1)教会学生通用能力和知识
-
比如初高中课本和数学竞赛中通常不教的微积分、线性代数和统计学知识;
-
比如各类先进的数据分析算法和编程;
-
比如英文阅读与写作能力
无论未来学生要走哪个学科研究方向,都能够受益
2)用项目制方法培养科研思维
所有探究课题都采用项目制的教育方法,带领大家融合掌握以上列出的多种能力,超越知识边界。带领学生经历了解研究问题的背景知识、提出问题、作出假设、设计实验(部分课题没有这个过程)、改进实验、作出成果、撰写研究报告的整个流程;让绝大部分学生能够拥有结构化思维,来发现、思考和解决问题。
3)时间投入产出比高
对于所有人都公平的是时间,几乎所有初高中生,尤其是想要冲击好的学校的学生都存在时间少、事情多的情况。探究课题项目充分考虑到大家的现状,整个学习周期设置为3个月左右,每周大约投入3-4小时,即可以完成如上所有技能和思维的学习与培养。
2、相比起许许多多其他的研究项目,有方的探究项目有什么优势?
1)趣味+学术。有方探究项目课题多基于学生的兴趣进行设计,我们希望用兴趣引发学生的研究热情,才有可能不断攀登高难度科研项目/学术竞赛的高峰。尤其是对于没有研究经历的学生来说,过于前沿,理论化的课题容易使人感觉枯燥,达到揠苗助长的效果。
2)短平快。我们与导师经过多次的交流,为科研小白独家定制周期短,上手快的探究课题教学计划,三个月可完成整个探究课题,并且能在此期间打好专业基础。
3)一个项目有多个结果输出。完成的探究项目可直接寄给高含金量的科研夏校,可以大大提升你的录取率!除此之外,探究项目可以深入学习,进修为科研项目,可以拿去参加不同等级和难度的科研竞赛,比如丘成桐中学科学奖、英特尔科学与工程大赛、谷歌科学大赛、再生元科学天才奖等,或者直接发表在各等级期刊中。
3、适合人群
-
零基础,距离丘奖/Intel ISEF还有8个月及以上的时间
-
正在准备当年夏校申请的学生
4、时间线:
-
3个月完成探究项目
-
4-5个月完成丘奖/Intel ISEF竞赛全程指导项目
5、报名通道
扫描下方二维码添加小助手
咨询报名


在这个人工智能盛行的时代,小助手为大家准备一些不错的「计算机+」探究课题,希望我们在未来的丘奖或Intel ISEF赛场上有你的一席之地!

电影评分与票房的大数据分析
导师:哈佛大学 经济学 博士
方向:计算机、经济金融、统计学
内容:本课题是跨经济学和数据抓取的综合研究,是网络爬虫相关技术的实际应用。研究者将获得使用R进行网络数据抓取的技能和对电影行业及社会文化经济发展的深入了解。

美国种族歧视问题的多层次回归与分层分析
导师:斯坦福大学 硕士
方向:计算机、统计学、社会科学
内容:本课题是跨计算机和社会科学的综合研究,研究者可以深入了解政治学、社会学方法论的发展趋势,在学习西方政治与社会制度理论的同时进行数据科学的实践,掌握如何进行科学抽样调查、并运用统计、回归方法分析调查结果。

网络浏览量的时间序列预测
导师:加州大学伯克利分校 统计学 硕士
方向:计算机、统计学
内容:本课题是跨统计和计算机的综合研究,也是时间序列相关技术的实际应用。研究者将获得使用R进行数据分析的技能和时间序列方法的深入了解。

美国超市经营收入的大数据分析
导师:加州大学洛杉矶分校 硕士
方向:计算机、统计学、数据科学
内容:本课题是大数据分析与可视化的综合研究。研究者将获得使用Tableau进行大数据分析及可视化的技能和对供应链、消费者及产品分类的深入了解。

基于美股大盘日波动率预测模型的交易策略
导师:普林斯顿大学 硕士
方向:计算机、经济金融、统计学
内容:本课题旨在利用统计学习方法构建波动率预测模型:使用高频数据构造实际波动率估计量,运用统计学习方法探究美股大盘日波动率的性质和可预测性,分析各股指成分股的日波动率和日交易量对大盘日波动率的预测能力,构建并比较可利用的日波动率预测模型,最终据此开发量化交易策略。

基于人工智能的亚马逊消费者情感与行为分析
导师:宾夕法尼亚大学 硕士
方向:计算机、统计学、社会科学
内容:本项目旨在应用自然语言处理技术,实现基于人工智能的消费者情感分析。让机器能够高效得、自动得分析用户所产生的语言文字并判断文字的情感偏向,从而降低人工成本并且辅助人类做出相应的商业决策。同时,通过数据可视化等数据分析手段,探索数据背后的消费者行为规律。

社会统计算法研究美国高校退学率,学生贷款问题
导师:范德堡大学 硕士
方向:计算机、统计学、教育学
内容:本课题旨在探索美国高等教育问题以及影响因素,通过对美国高等教育数据库的数据分析,运用STATA探索,管理,分析数据,发现并解释美国高等教育的某一现状,并提出合理的建议和下一步的研究计划。

电影评论中的情感和舆情分析
导师:南加州大学 计算机专业 硕士
方向:计算机、统计学、自然语言
内容:本次课题结合机器学习和自然语言处理两门学科,在帮助学生加深对数学线性代数和机器学习重要算法应用了解的同时,还可以让学生利用所学知识对机器学习中向量机算法构建数学模型对词语情感进行分析探究。最后对比其他主流算法,帮助学生进行结果预测和对结果预测的原因分析。

基于大数据与可视化的建筑能耗分析
导师:杜克大学 硕士
方向:计算机、统计学、建筑学
内容:本课题旨在对两个CMU Pittsburgh Campus上真实建筑的电表一分钟间隔的用电数据进行数据清理、数据标准化与曲线拟合、概率分布、定量分析、可视化分析与聚类,结合量化节能和对住户行为的定性解释,促进能源效率。

基于核糖核酸序列(RNA-seq)的泛癌症分析
导师:康奈尔大学 博士
方向:计算机、统计学、生物遗传学
内容:本课题选取了RNA序列数据作为主要研究对象。通过聚类分析(clustering analysis),主成分分析(Principal Component Analysis)等统计学方法先获取大量癌症数据样本的总体特征以及其各个癌症的从属类别,再通过基因差异表达研究等生物统计模型对于每个类别进行具体分析。

机械臂物体抓取的模拟与控制
导师:密歇根大学 硕士
方向:计算机、几何学、物理学
内容:本课题将围绕机械手臂,从应用和科研的角度涉足机器运动规划,运动学和逆运动学等等多种实用的机器人相关知识。我们将从基础线性代数及几何学开始,逐渐深入讲解机器人理论知识,并让学生基于虚拟机械手臂模拟空间运动,强化并运用所学知识从而达到课题目标。

基于深度残差网络的大型图像搜索引擎
导师:康奈尔大学 计算机科学 硕士
方向:计算机、统计学、数据科学
内容:本课题将带学生初步理解机器学习方法。并利用传统机器学习方法, 分析课程数据库中的所提供的10000张图片及其文本描述,结合ResNet建立一个大型图像搜索引擎。引擎将实现以文字搜索图片,以及以图片搜索类似图片的功能。

机器学习预测网络借贷风险
导师:宾夕法尼亚大学 硕士
方向:计算机、经济金融、数据科学
内容:本课题目的在于先利用数据科学和机器学习手段对该网站过往借贷及还款记录进行发掘分析,探究借款人个人基本信用记录信息与还款记录关联,并有机器学习算法给与每笔借贷进行评级,选择推荐借贷供投资人选择,已达到使投资人盈利的目的。

基于数据科学的零售信用风险模型
导师:西北大学 分析学 硕士
方向:计算机、统计学、数据科学
内容:本次研究会使用聚类方法刻画个人肖像,包括Logit的广义线性模型和机器学习算法,量化个人贷款模型,预测违约分险,力求获得对个人贷款审批或P2P平台投资有指导意义的结论。

基于机器学习与组合理论的量化投资
导师:杜克大学 量化管理专业 硕士
方向:计算机、经济金融、统计学
内容:因子模型是投资组合理论的前沿,在业界有着广泛的应用。随着现代数据科学的发展与机器学习算法的普及,统计因子模型被更广泛的应用于算法交易之中。其基本思路是运用无监督机器学习法,根据数据本身特征而非理论模型提取出风险因子,进而对投资标的定价并寻求超额收益。

星球探测器的异常检测自动化
导师:卡耐基梅隆大学 硕士
方向:计算机、概率统计、航天航空
内容:本课题的目标是应用机器学习以及概率分析,自动化星球探测器的异常监测,从而提升它们的自动化水平以及稳定性。

城市交通预测与机器学习
导师:多伦多大学 博士
方向:计算机、统计学
内容:本课题将以交通预测问题作为切入点,引导学生学习、理解机器学习基础,掌握部分机器学习工具,并用其解决实际问题。对于交通预测这一实际问题,本课题将逐层展开分析,介绍问题难点所在,并通过对线性回归——循环神经网络——技术发展前沿进行讲解或科普带领学生了解问题、算法及两者间的关系。
有方及其学术伙伴
★过往学员部分成绩★
丘成桐中学科学奖
截至发稿,2019丘成桐中学奖半决赛中,各赛区各学科辅导学员共10个团队入选。(详细名单可咨询小助手)
2018 年,荣获全球金奖(全球第一名)
2018 年,荣获全球银奖(全球第二名)
2017 年,荣获全球铜奖(全球前五)
2018 年,荣获全球优胜奖(全球前 3%)2018 年,荣获地区一等奖,入围全球总决赛(全球前 5%)
Intel ISEF英特尔国际科学与工程大奖赛
-
州赛 TOP 6
-
电子与电气工程师协会IEEE专项奖
-
美国统计学会ASA专项
扫描下方二维码添加小助手
回复【计算机项目】咨询报名

或点击“阅读原文”,留下信息
我们会在第一时间联系您

✨了解更多✨
有方名师科研指导
点击图片,了解课程详情






点击“阅读原文”,报名/咨询课题