背景提升之耶鲁大学科研课题
耶鲁大学，是一所世界著名的私立研究型大学，全美第三古老的高等学府，也是美国大学协会的14所创始院校之一，著名的常春藤联盟成员。耶鲁大学在全球有着很高的影响力，是很多学子想要入读的大学。今天小编想要为大家介绍的就是耶鲁大学的科研项目。
耶鲁科研课题：基于图像的三维虚拟现实内容生成
课题简介
计算机图形学（英语：computer graphics，缩写为CG）是研究计算机在硬件和软件的帮助下创建计算机图形的科学学科，是计算机科学的一个分支领域，主要关注数字合成与操作视觉图形的相关内容。计算机图形学包括了二维和三维图形、图像和视频的处理与绘制等内容，目前在人工智能、虚拟现实和增强现实的潮流中迎来了又一波高速发展。
在计算机图形学和计算机视觉中，基于图像的建模和渲染（IBMR）方法需要先从场景的二维图像来生成三维模型，然后才能呈现出该场景的新视图。计算机图形学的传统方法已被应用于在三维中创建几何模型，并尝试将其重新映射到二维图像上。 相反，计算机视觉主要集中在检测、分组和提取给定图片中的特征（边缘，面部等），然后尝试将它们解释为三维线索。 基于图像的建模和渲染可以使用多个二维图像直接生成新颖的二维图像，跳过手动建模阶段，比传统方法更为便捷和人性化。
例如，全景照片为公众提供了全新的视角，促使相关的相机和拍照软件（如RICOH Theta、微软Photosync）吸引了越来越多的用户。但是，全景图的表现形式仍然有待探索。
在本项目中，我们基于最新的研究成果，将全景图片和常规图片通过几何上的算法处理后，重建出一个三维场景。本项目有着较为广阔的应用场景，可以应用于在魔方上渲染全景图、创造虚拟现实场景、制作立体插画册等方面。
科研方法
AI＋X数据驱动型科研
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
耶鲁大学博士
耶鲁大学计算机专业博士在读，本科以荣誉毕业生身份毕业于北京大学；
研究方向为机器学习和自动化，计算机图形学。曾在Google和微软亚洲担任图片处理工程师实习；
在学校中担任计算机和编程，数据结构和算法课程助教
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：
线性代数基础；
概率统计基础知识；
计算机：
Python编程基础
Matlab基础，包括图像处理工具库
耶鲁科研课题：基于网络的学术合作分析
课题简介
随着学术平台的发展，学术合作本身作为科学家发表研究、升职评职称和获得终身教授的重要零度之一，受到了许多关注。围绕科学家之间的学术合作与论文合著问题，很多问题被探讨与解决。例如，劳动经济学所关注的性别歧视问题，男性科学家是否更倾向与男性科学家合作论文？这样的同质合作又是否在某种程度上影响了最终学术成果的质量？另一方面，科学家之间的合作可以被看成一个网络。
随着近些年网络分析的方法论的发展，一些新的网络分析算法，比如社区簇结构(community structure detection) 也逐渐被运用在研究重要的经济学问题中。由一个科学家团队提供的DBLP网络数据（计算机学者合作网络）为研究此类问题提供了极大的便利。
本课题旨在运用大数据与网络分析方法对计算机学者合作网络数据进行分析，探究合作的基本测度、合作的模式、合作成果与科学家特征的关系，并应用计量经济学中的时间序列分析、面板回归、预测等方法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。
本课题是统计学和经济学的综合研究，是先进网络分析方法的实际应用。研究者将获得使用Python和R进行大数据分析的技能和对网络的深入了解。
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
耶鲁大学博士
丰富的数据挖掘、大数据处理研究经验，并在学术期刊上发表学术论文
精通Python、JAVA、C、C++等多种编程语言及SAS、Stata、SPSS等多种统计软件
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
线性代数基础（行列式、矩阵运算等）
线性与非线性回归
计算机：
Python编程基础
igraph包编程方法
报名/咨询课题详情
请识别下方二维码
国际竞赛真题资料-点击免费领取！
美高学分项目重磅来袭！立即了解
AMC8备考管家服务全新上线！
