统计与机器学习（EPSRC 博士培训中心） DPhil

University of Oxford - 牛津大学

访问牛津大学相关课程页面。

统计与机器学习 CDT 是一项为期四年的博士学位研究计划（如果是半工半读，则为期八年）。该课程将培养下一代统计和机器学习研究人员，他们将开发广泛适用的新方法和理论，并创建特定的应用方法，从而在政府、医学、工业和科学领域的实际问题上取得突破。

该中心是 EPSRC 统计与机器学习博士培训中心 (CDT) 的一部分，由伦敦帝国学院和牛津大学共同主办。CDT 将为您提供前沿研究方法的培训，以及商业和可转移技能的培养，这些都是工业和商业雇主所要求的基本要素。

您将开展一项重要、具有挑战性和原创性的研究项目，并最终获得博士学位。鉴于帝国理工学院和牛津大学研究团队的广度和深度，建议的项目将涵盖统计学和机器学习的理论、计算和应用方面，其中大量项目涉及强大的方法/理论发展以及具有挑战性的实际问题。 相当多的项目将与企业共同监督。

您将在第一学年开展两个小型项目（非全日制学生的具体时间可能会有所不同），其中一个项目有望成为您的主要研究项目。在入学阶段，您将选择一个小型项目。这些小型项目由系里的导师库和行业合作伙伴提出。您将在第一个微型项目的主要导师所在机构工作。

如果您的奖学金是由外部合作伙伴资助或共同资助的，那么第二个小型项目将与同一个外部合作伙伴合作，但将探讨不同的问题。

然后，您将在第三学期开始时开始您的主要博士项目，该项目可以基于两个小型项目中的一个。在适合研究的情况下，您的项目将与 CDT 的主要行业合作伙伴联合开展，您将有机会在美国、欧洲和亚洲一些实力最强的统计小组进行数据密集型统计实习。

在开展研究项目的同时，您还将参加授课课程，每门课程为期两周。核心课题将在一年级开始时讲授（非全日制学生的具体时间可能有所不同），包括

• 现代统计理论
• 统计机器学习；
• 因果关系；以及
• 贝叶斯方法和计算。

在四年的课程中，您还需要选修一些选修课程，这些课程可以从以下列表中选择：贝叶斯非参数、高维统计、高级优化、网络、强化学习、大型语言模型、保形推理、变异贝叶斯和高级贝叶斯计算、多变量时间序列的动态和图形建模、事件建模和深度学习。 选修模块为期两周，授课形式与核心模块类似。

访问牛津大学相关课程页面