项目收获

❶ 获得教授的学术推荐信（教授用学校正式 edu 邮箱网推）
❷ 系统科学的指导和训练学生进行学术文章写作和发表（国际 CPCI/EI 会议论文）
❸ 全英文语境展开项目，突破自我，助力 GT 考试、申请面试和未来学习
❹ 不出国门跟随海外名校教授学习，节省国际旅费
❺ 获得高质量英文个人科研报告，可在申请材料中提交

导师介绍

prof.Yang
牛津大学副教授
担任格林坦普顿学院的研究员
主攻于生物系统工程
曾与萨里大学，帝国理工大学教授一同出版环境化学工程日志
任职大学
牛津大学（University of Oxford）, 是一所誉满全球的世界顶级研究型书院联邦制大学, 与剑桥大学并称牛剑“Oxbridge”。同时与剑桥大学、伦敦大学学院、帝国理工学院、伦敦政治经济学院同属“G5”超级精英大学，被公认为是当今世界最顶尖的高等教育机构之一。 在 2016
年9 月，泰晤士高等教育发布了 2016-2017 年度第 13 版世界大学排名，其中牛津大学排名第一。

课程安排

ay Topics
01/30 Orientation, Opening Ceremony, Welcome Dinner
          报到、开营仪式、欢迎晚宴
01/31 Introduction to systems engineering and sustainability
          (including the course case study)
          介绍系统工程和可持续性的发展（包含课程案例研究）
02/01 Mathematical modelling: mechanistic model development
          数学建模（1）： 了解机械性建模的开发
02/02 Mathematical modelling: numerical simulation
         数学建模( 2 )：数值的模拟测试
02/03 Mathematical modelling: statistical modelling/machine learning
         数学建模( 3 )： 了解统计模型/机器学习
02/04 Optimization: problem formulation
         优化方式 （1）： 发现问题
02/05 Optimization: solving optimization problems
          优化方式（2）： 解决优化所面临的问题
02/06 Synthesis of the course case study
          对课程案例研究进行一个整合分析
02/07 Summary and guidance on the final assignment
         对最后课程任务的总结和指导

在地国际化特色 
不出国门，就可以跟随海外名校教授进行学术研究，既为学生及其家庭节省了国际旅费又避免了时差等不适应性。面授课程设置在中国传媒大学校内进行，学术氛围好、校内设施便利且安全性强。
海外名校现职教授全程授课并指导科研
导师均为海外名校现职教授/终身教授，具有丰富的学术和科研经验，教授将根据中国学生特点设计课题，学术性与趣味性兼备，让学员在学术框架下，充分发挥想象力和创造力，从开题、文献检索、科研报告撰写、修改等多个环节进行学习，实现理论与实践的融会贯通。
专业 TA/RA 助教全程辅助
助教将经过严格筛选，择优录取相关专业 Master/PhD，并通过系统化培训及考核后参与进入科研项目组。助教将协助学生进行课题知识的预习和复习，并为学员提供辅助性指导和技术支持。此外，助教将与学生分享自身升学、海外学习和科研等经验，更加贴近学生实际情况，提供辅助性建议。
全面提升多项能力，提高名校录取几率
为来自全球高中生及大学生提供经济便捷的世界顶级学术研讨和实践的参与机会，帮助学培养批判性思维、分析和创造性思维、复杂沟通-口头和书面表达和全球视野，通过深度学习，帮助学生大幅提高申请几率，并向成为国际水平高精尖领域人才和高水平创新人才更近一步。

课程模式

Model-based decision support for sustainability
This course will introduce mathematical modelling and model-based analysis and optimization, as systems engineering tools to guide decision making in developing industrial, energy or urban systems for improved sustainability. It will include mechanistic (steady-state and dynamic) modelling, statistic modelling/machine learning, and optimization/mathematical programming. This course will adopt a problem-driven approach, using a specific case study selected from a popular research area (e.g. biorefineries, chemical-based energy storage, future food systems) to introduce and practice each modelling and optimization method to be taught throughout the course. Towards the end of the course, the students will be guided to propose similar, but different cases as the topic of their final assignment.
Tentative Schedule - topics covered
Day 1: Introduction to systems engineering and sustainability (including the course case study)
Day 2: Mathematical modelling: mechanistic model development
Day 3: Mathematical modelling: numerical simulation
Day 4: Mathematical modelling: statistical modelling/machine learning
Day 5: Optimization: problem formulation
Day 6: Optimization: solving optimization problems
Day 7: Synthesis of the course case study
Day 8: Summary and guidance on the final assignment