Wolfram 印度 2022 学生数据科学冬令营成果展

最近，Wolfram Research（https://www.wolfram.com/） 在印度组织了一个线上冬季学校 （https://education.wolfram.com/india-school/）。尽管奥密克戎病毒激增影响了一些导师和学生，但我们成功完成了为期三周的远程计算学校，每位学生在导师的指导下完成了自己的项目（辐射检漏仪、互动动态金融APP、人脸情绪分类、CNN交通标志识别、量子计算、印度失业率、预测加密货币价格、根据冲撞数据预测电子不变质量、使用神经网络模拟数据中的智能背景、研究宇宙空气簇射的神经网络、机器学习识别星系、基于物理神经网络预测一维SHM运动等）。

运行流程

该学校的运行是基于 Wolfram 针对暑期课程（https://education.wolfram.com/summer/）内容累积和开发的经验和资源。我们提供了一个整合系统，由强大的导师和助教 (TA) 团队录制讲座并进行现场互动。

印度学校的第一阶段包括异步进行的准备和培训。Wolfram Research 的顶级开发人员会精心挑选以往的教育项目中录制的系列讲座录音并与学生分享。

为了让学生们参与并帮助学生们使用 Wolfram 语言（https://www.wolfram.com/language/）解决问题，我们为学生们设置了不同领域的系列挑战（如从地理和数值计算到机器学习）。学生们与我们的助教团队高度互动，助教们也是我们之前教育项目的学生。这些助教提供支持和有效参与是我们的教育项目成功的关键因素之一。

在对学生进行评估并帮助他们完成第一阶段的学习之后，接下来的流程是为每位学生配备一名导师。这个配对是基于学生的兴趣和他们想做的潜在项目。我们的导师会提供很多项目细节；事实上，每位导师会都与学生分享多个潜在的计算项目，学生的任务则是从中选择一些他们有兴趣探索的项目。

接下来的两周是导师和学生之间的积极互动和参与，以及我们的助教团队的帮助。在第三周快结束时，学生们以计算论文的形式在 Wolfram 笔记本（https://www.wolfram.com/notebooks/）中写下他们的项目，然后将它们提交给 Wolfram 社区（https://community.wolfram.com/）。您还可以在 Wolfram Notebook 文档（https://notebookarchive.org/）中找到笔记本的集合。

学生项目样本

现在来看看在导师和助教的指导下学生完成的一些杰出项目。

Navier–Stokes 方程的流动可视化 »

https://community.wolfram.com/groups/-/m/t/2444026

Abhishek Joshi

Abhishek Joshi 是 LNM 信息技术学院（https://www.lnmiit.ac.in/）的硕士生，目前正在研究拓扑绝缘体。

在这个项目中，Joshi 进行了基准计算，以测试在瞬态和稳定情况下平面通道中圆柱体上的二维流动。在给定一些初始条件的情况下，Navier-Stokes 方程可用于确定应用于流体的速度矢量场。他对方程的解进行了可视化分析，发现层流的基准计算与理论预测一致。

在 FCC 模型中计算核特性 »

https://community.wolfram.com/groups/-/m/t/2444459

Adiba Shaikh

Adiba Shaikh 是印度孟买理工学院（https://www.iitb.ac.in/）的博士生，从事各种高能物理研究。

Shaikh 的项目使用面心立方 (FCC) 结构来排列原子核内的质子和中子。她实现了核结构的 FCC 模型，并计算了一些基本的核特性，例如数密度、量子数、α 粒子结构和具有幻数核子的核的稳定性。比较各种原子核的结合能的结果表明，由于质子和中子的幻数存在，可以增强其稳定性。

交互式动态金融应用 »

https://community.wolfram.com/groups/-/m/t/2443383

Aryan Barapatre

Aryan Barapatre 目前是皮拉尼 Birla 技术与科学学院（https://www.bits-pilani.ac.in/）的大二学生，正在攻读数学和计算机科学学位。

Barapatre 开发了一个交互式界面，以直观的格式为用户提供有关股票的实时信息。从“Yahoo!金融”等网站成功提取实时数据后，他能够将动态数据绘制成图表，并创建一个交互式界面来显示股票数据。此方法可以帮助的其他测试范例包括实时分析加密货币和环法自行车赛比赛数据等。

在 COVID-19 大流行期间分析印度的失业率 »

https://community.wolfram.com/groups/-/m/t/2444833

Ashika Deb

Ashika Deb 正在德里大学 Miranda House（https://www.mirandahouse.ac.in/）攻读数学学士学位，辅修计算机科学。

在她的项目中，Deb 研究了印度的失业数据，以研究在 COVID-19 疫情期间可能影响失业的各种因素之间的关系。失业引发了多种社会和经济问题，而流行病暴露并加剧了劳动力市场中现有的不平等现象。在检查了官方来源的可用数据后，使用 Wolfram 语言进行的探索分析得出了有意义的统计数据。

辐射检漏仪 »

https://community.wolfram.com/groups/-/m/t/2446141

Deepak Yadav

Deepak Yadav 是孟买大学（https://mu.ac.in/）物理学硕士。

在这个项目中，Yadav 探索了来自核反应堆探测器的数据，这些探测器可以通过反应堆容器的轴降低并记录多个点的辐射水平。在设计和训练分类器后，综合生成的数据使用基于基本几何形状的蒙特卡罗模拟（https://www.wolframalpha.com/input?i=Monte+Carlo+method），包括燃料棒、氦包围、锆合金包层和水。未来的工作包括训练分类器通过查看数据来识别泄漏并预测泄漏的大致位置。

人脸数据集的情绪分类 »

https://community.wolfram.com/groups/-/m/t/2443672

Diya Elizabeth

Diya Elizabeth 是印度特里凡得琅科学教育研究所（https://www.iisertvm.ac.in/）的学生，正在攻读数学综合硕士学位，辅修数据科学。

在她的项目中，Elizabeth 使用 Wolfram 数据存储库（https://datarepository.wolframcloud.com/）中提供的面部表情识别 2013 (FER-2013) 数据集（https://datarepository.wolframcloud.com/resources/FER-2013）使用深度学习（https://en.wikipedia.org/wiki/Deep_learning）来训练情绪识别神经网络。数据集中考虑了七类情绪——快乐、悲伤、愤怒、惊讶、厌恶、恐惧和中性——并尝试了不同的方法来解决类别不平衡问题。该模型可应用于自闭症儿童、一般幼儿和对面部表情视而不见的人的教学。它还可用于训练机器人更有效地与人类互动。

从碰撞数据预测电子不变质量 »

https://community.wolfram.com/groups/-/m/t/2443605

Shivam Sawarn

Shivam Sawarn 在印度国立伊斯兰大学（https://www.jmi.ac.in/）获得物理学学士学位，目前正在德里大学（http://www.du.ac.in/）攻读硕士学位。

在这个项目中，Sawarn 使用严格的数据分析工具探索了双电子碰撞的各种特征。该数据集由 2-110 GeV 不变质量范围内的 100,000 个双电子事件组成，也可用于训练神经网络。除了在测试数据集上取不变质量数据集的平均值外，还可用神经网络来预测电子的不变质量。

使用递归神经网络预测加密货币价格 »

https://community.wolfram.com/groups/-/m/t/2443748

Shivay Nagpal

Shivay Nagpal 是德里大学圣斯蒂芬学院（https://www.ststephens.edu/）数学和计算机科学专业的本科生。

Nagpal 的项目探索了一个长期短期记忆 (LSTM) 循环神经网络，使用 Wolfram 语言进行短期加密货币预测。项目数据集包括市场上三种流行的加密货币——比特币 (BTC)、以太坊 (ETH) 和莱特币 (LTC) 的市场价值，以及来自 Wolfram 函数存储库（https://resources.wolframcloud.com/FunctionRepository/）的资源函数获取数据。

使用神经网络的模拟数据中的智能背景 »

https://community.wolfram.com/groups/-/m/t/2443547

Utkarsh Patel

Utkarsh Patel 目前正在印度比莱理工学院（https://www.iitbhilai.ac.in/）高能物理系攻读博士学位。

Patel 分类项目的目标是从 Belle II 模拟中识别生成的事件，这是一个粒子物理实验，旨在研究 B 介子和其他粒子的特性。在成本高昂的模拟和重建之前，事件首先通过选择，以图形形式可视化与每个粒子相关的各种参数。事件数据集和其他信息在 GitHub 存储库（https://github.com/kahn-jms/belle-selective-mc-dataset）中以 numpy 数组的形式提供。

更多学生项目论文：

https://wolfr.am/12MT7VHlU

Wolfram 13.0.1 软件试用

Wolfram 网店：https://store.wolfram.com/catalog/

创建 Wolfram ID 登录扫码下载试用版：

Wolfram Mathematica:

https://www.wolfram.com/mathematica/trial/

Wolfram System Modeler:

https://www.wolfram.com/system-modeler/trial/