深度學(xué)習(xí)與人工智能【大學(xué)組】

計(jì)算機(jī)科學(xué)/數(shù)據(jù)科學(xué)/人工智能/深度學(xué)習(xí)

項(xiàng)目背景

近年來(lái)，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(kāi)啟了深度學(xué)習(xí)新篇章，推動(dòng)計(jì)算機(jī)視覺(jué)落地自動(dòng)化駕駛等諸多領(lǐng)域；循環(huán)神經(jīng)網(wǎng)絡(luò)RNN推動(dòng)了自然語(yǔ)言處理，使得機(jī)器翻譯、智能語(yǔ)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(chǎng)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(lái)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?jī)?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(dòng)者-批評(píng)（actor-critic；AC）模型、馬爾可夫決策過(guò)程、優(yōu)化控制、圖神經(jīng)網(wǎng)絡(luò)（graph neural networks; GNN）、自動(dòng)機(jī)器學(xué)習(xí)（Auto ML）等。學(xué)生通過(guò)項(xiàng)目了解如何開(kāi)發(fā)基于強(qiáng)化學(xué)習(xí)的生產(chǎn)力軟件，在結(jié)束時(shí)提交項(xiàng)目報(bào)告，進(jìn)行成果展示。

適合人群

大學(xué)生

計(jì)算機(jī)科學(xué)、人工智能、數(shù)據(jù)科學(xué)、電子與計(jì)算機(jī)工程等專業(yè)，軟件工程、自動(dòng)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(duì)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)生需要具備計(jì)算機(jī)科學(xué)、線性代數(shù)、編程基礎(chǔ)

導(dǎo)師介紹

劍橋大學(xué)終身正教授

Dr.Pietro is a Full Professor at the Department of Computer Science and Technology of the University of Cambridge and a member of the Artificial Intelligence group. Prof. Pietro is also a member of the Cambridge Centre for AI in Medicine. His research interest focuses on developing Artificial Intelligence and Computational Biology models to understand disease complexity and address personalized and precision medicine. The current focus is on Graph Neural Network modeling.

Pietro導(dǎo)師現(xiàn)任劍橋大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)終身正教授，持有歐洲學(xué)習(xí)和智能系統(tǒng)實(shí)驗(yàn)室（Ellis；歐洲大型跨國(guó)人工智能研究所，目前擁有千位全球頂尖計(jì)算機(jī)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(huì)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(guó)際知名學(xué)術(shù)期刊發(fā)表論文多篇，曾榮獲歐盟委員會(huì)未來(lái)與新興技術(shù)（FET；迄今歐盟規(guī)模最大、資助力度最強(qiáng)的科研資助項(xiàng)目之一）會(huì)展三等獎(jiǎng)。

任職學(xué)校

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(guó)Top2名校，G5名校之一。劍橋大學(xué)享有世界聲譽(yù)，在英國(guó)社會(huì)和高等教育系統(tǒng)中具有極其重要的地位，同時(shí)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(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(wú)模型強(qiáng)化學(xué)習(xí)算法 Q-learning、行動(dòng)者-批評(píng)（actor-critic；AC）模型、馬爾可夫決策過(guò)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(dòng)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

時(shí)間安排與收獲

7周在線小組科研學(xué)習(xí)+5周論文輔導(dǎo)學(xué)習(xí) 共125課時(shí)

學(xué)術(shù)報(bào)告

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

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級(jí)別索引國(guó)際會(huì)議全文投遞與發(fā)表（可用于申請(qǐng)）

結(jié)業(yè)證書(shū)

成績(jī)單