北京人工智能與數(shù)據(jù)科學(xué)輔導(dǎo)班

【項目安排】

課時安排 (Duration): 7周在線小組科研+5周論文指導(dǎo)

【適合人群】

適合年級 (Grade): 大學(xué)生及以上

適合專業(yè) (Major): 計算機科學(xué)、人工智能、數(shù)據(jù)科學(xué)、電子與計算機工程等專業(yè)，軟件工程、自動化等相關(guān)專業(yè)或者希望掌握強化學(xué)習(xí)的學(xué)生；對人工智能、大數(shù)據(jù)以及交叉學(xué)科和方向感興趣的學(xué)生；

學(xué)生需要具備線性代數(shù)及概率論與數(shù)理統(tǒng)計基礎(chǔ)，至少會使用一門編程語言實現(xiàn)神經(jīng)網(wǎng)絡(luò)，有過強化學(xué)習(xí)開發(fā)經(jīng)驗的申請者優(yōu)先

【項目收獲】

7周在線小組科研學(xué)習(xí)+5周論文指導(dǎo)學(xué)習(xí) 共125課時+不限時論文指導(dǎo)

學(xué)術(shù)報告

優(yōu)秀學(xué)員獲主導(dǎo)師Reference Letter

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級別索引國際會議全文投遞與發(fā)表指導(dǎo)（可用于申請）

結(jié)業(yè)證書

成績單

【學(xué)員反饋】

【項目背景】

近年來，人工智能數(shù)據(jù)科學(xué)技術(shù)不斷突破與發(fā)展。卷積神經(jīng)網(wǎng)絡(luò)CNN開啟了深度學(xué)習(xí)新篇章，推動計算機視覺落地自動化駕駛等諸多領(lǐng)域；循環(huán)神經(jīng)網(wǎng)絡(luò)RNN推動了自然語言處理，使得機器翻譯、智能語音技術(shù)日趨成熟；深度學(xué)習(xí)之上，強化學(xué)習(xí)圖神經(jīng)網(wǎng)絡(luò)GNN的崛起正在深度賦能數(shù)據(jù)挖掘，將成為企業(yè)場景拓展、數(shù)據(jù)整合、行業(yè)效率飛躍的關(guān)鍵。項目將聚焦強化學(xué)習(xí)，特別是圖神經(jīng)網(wǎng)絡(luò)GNN這一構(gòu)筑未來數(shù)字生態(tài)的核心數(shù)據(jù)科學(xué)技術(shù)。

【項目介紹】

項目內(nèi)容涉及強化學(xué)習(xí)核心理論和技能，具體包括遺傳算法、強化學(xué)習(xí)框架、Q-learning、行動者-批評（actor-critic；AC）模型、馬爾可夫決策過程、優(yōu)化控制、圖神經(jīng)網(wǎng)絡(luò)（graph neural networks; GNN）、自動機器學(xué)習(xí)（Auto ML）等。學(xué)生通過項目了解如何開發(fā)基于強化學(xué)習(xí)的生產(chǎn)力軟件，在結(jié)束時提交項目個性化研究課題報告，進行成果展示。

個性化研究課題參考：

強化學(xué)習(xí)在博弈論中的應(yīng)用：類alpha算法開發(fā)

利用經(jīng)驗留存解決強化學(xué)習(xí)所需樣本太多問題的可行性分析

強化學(xué)習(xí)中的機器獎勵設(shè)置方法迭代

為強化學(xué)習(xí)過擬合的特定場景重新建模的自動過程研究

具有精確尺度估計的動作-評價網(wǎng)絡(luò)結(jié)構(gòu)與強化學(xué)習(xí)優(yōu)勢函數(shù)

【課堂剪影】

【導(dǎo)師介紹】

Pietro

劍橋大學(xué) University of Cambridge終身正教授

Pietro導(dǎo)師現(xiàn)任劍橋大學(xué)計算機科學(xué)與技術(shù)終身正教授，意大利國家認定Top100科學(xué)家，H-index61，被引用次數(shù)31500+。教授2021年連中三篇計算機頂會ICML，其論文還曾發(fā)表在包括學(xué)術(shù)期刊 《Nature》。導(dǎo)師持有歐洲學(xué)習(xí)和智能系統(tǒng)實驗室（Ellis；歐洲大型跨國人工智能研究所，目前擁有千位全球計算機工程師、數(shù)學(xué)家和其他領(lǐng)域科學(xué)家，旨在重構(gòu)歐洲人工智能前沿研究）席位、劍橋大學(xué)大數(shù)據(jù)研究指導(dǎo)委員會席位。Pietro導(dǎo)師的研究興趣為人工智能圖神經(jīng)網(wǎng)絡(luò)建模，在國際知名學(xué)術(shù)期刊發(fā)表論文多篇，曾榮獲歐盟委員會未來與新興技術(shù)（FET；迄今歐盟規(guī)模、資助力度最強的科研資助項目之一）會展三等獎。

任職學(xué)校 University

劍橋大學(xué)建校于1209年，是世界范圍內(nèi)歷史最為悠久的大學(xué)之一，英國Top2名校，G5名校之一。劍橋大學(xué)享有世界聲譽，在英國社會和高等教育系統(tǒng)中具有極其重要的地位，同時具有廣泛的世界性影響。許多青年學(xué)子都以到劍橋大學(xué)深造為理想。劍橋大學(xué)在2020年QS世界大學(xué)綜合排名位列第7。

【項目大綱】

強化學(xué)習(xí)：項目將在本周聚焦遺傳算法和強化學(xué)習(xí)框架。 Introduction to reinforcement learning

環(huán)境：強化學(xué)習(xí)由智能體和環(huán)境兩部分構(gòu)成。項目將在本周探討離策略、無模型強化學(xué)習(xí)算法 Q-learning、行動者-批評（actor-critic；AC）模型、馬爾可夫決策過程等。Environment

優(yōu)化：項目將在本周深入學(xué)習(xí)強化學(xué)習(xí)與優(yōu)化控制。 Optimization

集成與控制 Integration and Control

集成：項目將在本周進一步探討圖神經(jīng)網(wǎng)絡(luò)（graph neural networks; GNN）、自動機器學(xué)習(xí)（Auto ML）等。

項目回顧與成果展示 Program Review and Presentation

論文輔導(dǎo) Project Deliverables Tutoring

【教學(xué)現(xiàn)場】

【機構(gòu)簡介】

科研品牌PathAcademics隸屬于北京集思互聯(lián)教育科技有限公司，是由世界優(yōu)秀大學(xué)教授、行業(yè)導(dǎo)師和國際教育專家共同創(chuàng)立的中外學(xué)術(shù)項目。

集思未來教育（原集思學(xué)院）由哈佛大學(xué)及哥倫比亞大學(xué)教授、校友共同發(fā)起成立，為全球中學(xué)生呢、大學(xué)生提供優(yōu)質(zhì)的科研教育、項目制學(xué)習(xí)課程。中國團隊自2016年成立至今走過了五年歷程，立足研究導(dǎo)向型學(xué)習(xí)、項目制學(xué)習(xí)，專注課程開發(fā)與教學(xué)實施，結(jié)合全球超1000位知名教授和優(yōu)質(zhì)教育資源，培養(yǎng)面向未來的國際化人才，五年來培養(yǎng)了超過3萬名學(xué)員，與近百所高等院校和百余所國際化學(xué)校建立合作關(guān)系。

【機構(gòu)環(huán)境】

【學(xué)員案例】