杜克科研课题:基于深度学习的数字加密货币价格预测

描述

杜克科研课题

基于深度学习的数字加密货币价格预测

课题简介

加密货币是数字货币(或称虚拟货币)的一种。加密货币基于去中心化的共识机制,与依赖中心化监管体系的银行金融系统相对。去中心化的性质源自于使用分布式账本的区块链(Blockchain)技术。根据一项预测,加密货币到2018年的市值预计将高达1-2万亿美元。

数字加密货币的价格走势瞬息万变。基于传统的线性模型等很难对于价格进行预测。

本课题尝试应用深度学习神经网络对于一种数字加密货币的历史数据进行分析,进而对于该数字加密货币未来价格进行预测。

 

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

1. 杜克大学 博士

2. 多年人工智能、统计学领域研究经验

3. 精通Python、R、SAS等编程语言

4. 多次在学术期刊发表论文

 

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

1. 英文:
(1)具备基本的学术英语阅读能力;
(2)接触过英文写作,有论文写作经验者更佳;

 

2. 数学:
(1)统计基础知识
(2)微积分(偏微分)
(3)线性代数

 

3. 计算机:

最好有一定的计算机基础。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。
(1)Python(Jupyter Notebook, Anaconda, Tensorflow, keras)
(2)Linux/Unix command
(3)CSV tool

咨询请添加顾问老师

翰林国际课程咨询二维码