开始日期: 2024-10-26

　　课时安排: 4周在线小组科研学习+2周不限时论文指导学习

　　适合人群

　　适合年级 (Grade): 大学生及以上

　　适合专业 (Major): 计算机科学、人工智能、数据科学、电子与计算机工程等专业，软件工程、自动化等相关专业或者希望掌握强化学习的学生;对人工智能、大数据以及交叉学科和方向感兴趣的学生;

　　学生需要具备线性代数及概率论与数理统计基础，至少会使用一门编程语言实现神经网络，有过强化学习开发经验的申请者优先;

　　建议选修: Python数据处理及其数学原理

　　导师介绍

　　Pietro

　　剑桥大学 University of Cambridge终身正教授

　　Pietro导师现任剑桥大学计算机科学与技术系终身正教授，意大利国家认定Top100科学家， H-index64，被引用次数35000+。教授2021年连中三篇计算机顶会ICML，其论文还曾发表在包括世界级学术期刊 《Nature》。导师持有欧洲学习和智能系统实验室(Ellis;欧洲大型跨国人工智能研究所，目前拥有千位全球顶尖计算机工程师、数学家和其他领域科学家，旨在重构欧洲人工智能前沿研究)席位、剑桥大学大数据研究指导委员会席位。Pietro导师的研究兴趣为人工智能图神经网络建模，在国际知名学术期刊发表论文多篇，曾荣获欧盟委员会未来与新兴技术(FET;迄今欧盟规模最大、资助力度最强的科研资助项目之一)会展三等奖。

　　任职学校

　　剑桥大学建校于1209年，是世界范围内历史最为悠久的大学之一，英国Top2名校，G5名校之一。剑桥大学享有世界声誉，在英国社会和高等教育系统中具有极其重要的地位，同时具有广泛的世界性影响。许多青年学子都以到剑桥大学深造为理想。剑桥大学在2020年QS世界大学综合排名位列第7。

　　项目背景

　　近年来，人工智能数据科学技术不断突破与发展。卷积神经网络CNN开启了深度学习新篇章，推动计算机视觉落地自动化驾驶等诸多领域;循环神经网络RNN推动了自然语言处理，使得机器翻译、智能语音技术日趋成熟;深度学习之上，强化学习图神经网络GNN的崛起正在深度赋能数据挖掘，将成为企业场景拓展、数据整合、行业效率飞跃的关键。项目将聚焦强化学习，特别是图神经网络GNN这一构筑未来数字生态的核心数据科学技术。

　　项目介绍

　　项目内容涉及强化学习核心理论和技能，具体包括遗传算法、强化学习框架、Q-learning、行动者-批评(actor-critic;AC)模型、马尔可夫决策过程、优化控制、图神经网络(graph neural networks; GNN)、自动机器学习(Auto ML)等。学生通过项目了解如何开发基于强化学习的生产力软件，在结束时提交项目个性化研究课题报告，进行成果展示。

　　个性化研究课题参考：

　　强化学习在博弈论中的应用：类alpha算法开发

　　利用经验留存解决强化学习所需样本太多问题的可行性分析

　　强化学习中的机器奖励设置方法迭代

　　为强化学习过拟合的特定场景重新建模的自动过程研究

　　具有精确尺度估计的动作-评价网络结构与强化学习优势函数

　　项目大纲

　　强化学习：项目将在本周聚焦遗传算法和强化学习框架。 Introduction to reinforcement learning

　　环境：强化学习由智能体和环境两部分构成。项目将在本周探讨离策略、无模型强化学习算法 Q-learning、行动者-批评(actor-critic;AC)模型、马尔可夫决策过程等。Environment

　　优化：项目将在本周深入学习强化学习与优化控制。 Optimization

　　集成与控制 Integration and Control

　　集成：项目将在本周进一步探讨图神经网络(graph neural networks; GNN)、自动机器学习(Auto ML)等。 Integration

　　项目回顾与成果展示 Program Review and Presentation

　　论文辅导 Project Deliverables Tutoring

　　项目收获

　　4周在线小组科研学习+2周不限时论文指导学习 共125课时

　　项目报告

　　优秀学员获主导师Reference Letter

　　EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导(可用于申请)

　　结业证书

　　成绩单

留学也是一种投资，你的留学预算充足吗，简单3步，轻松了解留学预算？

费用计算

想去留学，不知道自己是否符合条件？马上测一测吧？

条件评估