密集項(xiàng)目：人工智能與數(shù)據(jù)科學(xué)專題： AlphaGo到GPT中RLHF的進(jìn)化：深度強(qiáng)化學(xué)習(xí)與圖神經(jīng)網(wǎng)絡(luò)在結(jié)合用戶意圖以優(yōu)化模型輸出中的原理研究【大學(xué)組】

專業(yè)：人工智能

項(xiàng)目類型：國外小組科研

開始時間：2024年10月26日

是否可加論文：是

項(xiàng)目周期：4周在線小組科研學(xué)習(xí)+2周不限時論文指導(dǎo)學(xué)習(xí)

語言：英文

有無剩余名額：名額充足

建議學(xué)生年級：大學(xué)生

是否必需面試：否

適合專業(yè)：計算機(jī)科學(xué)機(jī)器學(xué)習(xí)數(shù)據(jù)科學(xué)數(shù)據(jù)分析深度學(xué)習(xí)人工智能數(shù)據(jù)結(jié)構(gòu)與算法編程語言自然語言處理

地點(diǎn)：無

建議選修：Python數(shù)據(jù)處理及其數(shù)學(xué)原理

建議具備的基礎(chǔ)：計算機(jī)科學(xué)、人工智能、數(shù)據(jù)科學(xué)、電子與計算機(jī)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(qiáng)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(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)，有過強(qiáng)化學(xué)習(xí)開發(fā)經(jīng)驗(yàn)的申請者優(yōu)先；

產(chǎn)出：4周在線小組科研學(xué)習(xí)+2周不限時論文指導(dǎo)學(xué)習(xí) 共125課時 項(xiàng)目報告 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

項(xiàng)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(jī)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(jī)器翻譯、智能語音技術(shù)日趨成熟；深度學(xué)習(xí)之上，強(qiáng)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(xiàng)目將聚焦強(qiáng)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(xiàng)目介紹：項(xiàng)目內(nèi)容涉及強(qiáng)化學(xué)習(xí)核心理論和技能，具體包括遺傳算法、強(qiáng)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(jī)器學(xué)習(xí)（Auto ML）等。學(xué)生通過項(xiàng)目了解如何開發(fā)基于強(qiáng)化學(xué)習(xí)的生產(chǎn)力軟件，在結(jié)束時提交項(xiàng)目個性化研究課題報告，進(jìn)行成果展示。
個性化研究課題參考：
強(qiáng)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(yàn)留存解決強(qiáng)化學(xué)習(xí)所需樣本太多問題的可行性分析
強(qiáng)化學(xué)習(xí)中的機(jī)器獎勵設(shè)置方法迭代
為強(qiáng)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(qiáng)化學(xué)習(xí)優(yōu)勢函數(shù)

項(xiàng)目大綱：強(qiáng)化學(xué)習(xí)：項(xiàng)目將在本周聚焦遺傳算法和強(qiáng)化學(xué)習(xí)框架。 Introduction to reinforcement learning 環(huán)境：強(qiáng)化學(xué)習(xí)由智能體和環(huán)境兩部分構(gòu)成。項(xiàng)目將在本周探討離策略、無模型強(qiáng)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(xiàng)目將在本周深入學(xué)習(xí)強(qiáng)化學(xué)習(xí)與優(yōu)化控制。 Optimization 集成與控制 Integration and Control 集成：項(xiàng)目將在本周進(jìn)一步探討圖神經(jīng)網(wǎng)絡(luò)（graph neural networks; GNN）、自動機(jī)器學(xué)習(xí)（Auto ML）等。 Integration 項(xiàng)目回顧與成果展示 Program Review and Presentation 論文輔導(dǎo) Project Deliverables Tutoring