背景提升之哈佛大学科研项目

哈佛大学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。 哈佛大学是美国本土历史最悠久的高等学府，由十所学院以及一个高等研究所构成，坐拥世界上规模最大的大学图书馆系统，哈佛大学在文学、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及研究机构之一。参加哈佛大学的科研项目是背景提升的好方法。今天小编来为大家介绍几个哈佛大学的科研项目。

哈佛探究项目：电影评分与票房的大数据分析

课题简介

近年来中国电影行业发展迅速，不断有叫好又叫座的佳片出现，也存在很多极具争议性的影片。同时，豆瓣电影评分网和猫眼网等平台记录的有关电影的各项数据为深入研究提供机会。

本课题旨在通过数据抓取技术和数据分析方法探求电影评分及其票房之间的关系，并由此出发利用计量经济学中的时间序列、空间维度、统计回归等方法探究观众对于电影偏好的分歧程度、电影偏好的地域性特征等更具社会意义的问题，力求由此获得对文化经济发展更深入的理解。

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。

科研方法

AI+X数据驱动型科研

AI＋X数据驱动型科研是指使用人工智能（AI）算法，收集、处理、分析具体学科（X）的海量数据，并基于此进行预测，从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比，AI＋X数据驱动型科研可以借助AI算法强大的运算能力，高效地进行大数据分析，具有投入产出比高、适用范围广的优点。

AI＋X数据驱动型科研已被广泛地应用于各个领域，利用AI算法研究基因数据，从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万，使用传统的科研方式对其进行分析，工程量大、过程繁琐，在客观上难以实现。但借助AI算法这一便捷的工具，生命科学家便能够以海量的患者的遗传信息为基础，建立数据库，与过往的研究成果进行对照，快速、准确地在两者中发现规律、建立联系，从而使癌症诊断的“标准化”成为可能。

授课导师

哈佛大学 博士

本科毕业于复旦大学数理经济系；

擅长STATA、R Program、Matlab、Latex、Python等多种数据处理软件；

现于麻省理工担任助理研究员，研究印度贸易改革的影响。

课题要求

本课题适合： 9-12 年级学生，有较强的逻辑思维和抽象思维能力

英文：

具备基本的学术英语阅读能力；

接触过英文写作，有论文写作经验者更佳；

数学：

概率统计基础知识；

线性回归；

线性代数基础（行列式、矩阵运算等）

计算机：

R编程基础（了解 https://www.r-project.org/about.html）

最好项目开始前基本了解，开始后1-2周强化掌握

哈佛科研课题：基于公共卫生数据的生存分析

课题简介

随着人们生活水平的提高及数据科学的进步，研究群体性健康行为的公共卫生领域正在得到越来越多学界和业界的关注，也让基于大数据的群体性生存分析成为研究癌症患者生存率、药物疗效、术后存活时间等问题的重要手段。

本课题旨在运用生存分析方法，对公共卫生学中常见的生存问题进行分析，基于实际患者数据，探究年龄、性别、治疗手段等关键因素对患者患病后、术后、药物治疗后的存活时间的影响，并应用生存分析中的不同模型，如Cox模型，AFT加速模型等，对数据做进一步分析处理，力求获得对实践有指导意义的结论。

通过本课题研究，研究者将掌握使用R进行数据分析的技能，常用的生存分析模型，以及公共卫生学中实际生存问题的了解。

科研方法

AI+X数据驱动型科研

AI＋X数据驱动型科研是指使用人工智能（AI）算法，收集、处理、分析具体学科（X）的海量数据，并基于此进行预测，从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比，AI＋X数据驱动型科研可以借助AI算法强大的运算能力，高效地进行大数据分析，具有投入产出比高、适用范围广的优点。

AI＋X数据驱动型科研已被广泛地应用于各个领域，利用AI算法研究基因数据，从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万，使用传统的科研方式对其进行分析，工程量大、过程繁琐，在客观上难以实现。但借助AI算法这一便捷的工具，生命科学家便能够以海量的患者的遗传信息为基础，建立数据库，与过往的研究成果进行对照，快速、准确地在两者中发现规律、建立联系，从而使癌症诊断的“标准化”成为可能。

授课导师

哈佛大学 博士

硕士毕业于哈佛大学环境卫生专业；

本科毕业于清华大学环境工程专业；

研究方向：公共卫生，并在该领域有丰富的研究经验和工作经验

课题要求

本课题适合： 9-12 年级学生，有较强的逻辑思维和抽象思维能力

英文：

具备基本的学术英语阅读能力；

接触过英文写作，有论文写作经验者更佳；

数学：

统计基础知识；

微积分（偏微分）；

线性代数；

计算机：

最好有一定的数据处理基础。如果没有，以下软件选择一种或多种，在课题开始后的1-2周进行强化学习并能进行初步的应用

R Studio；

Stata；

Python（Jupyter Notebook, Anaconda）

以上两个科研项目就是哈佛大学导师将要带领大家研究的科研项目。确实是背景提升的好方法，感兴趣的同学赶快去参加吧。

报名/咨询课题详情

请识别下方二维码