战疫有“智”，共克时艰，高级机器学习训练营开课啦

项目背景

人工智能是引领新一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。近年来，人工智能加速发展，在社会经济领域广泛应用，不断催生新技术、新产品、新产业。加强人工智能人才培养，以人才结构优化引领产业结构升级转型，是推动人才发展与经济社会发展深度融合的关键。

北京市科委人才交流中心一直致力于为市科委及社会发展提供人才保证和智力支持，积极整合多方资源，共同推动人工智能人才的培养。学堂在线在IT创新人才教育领域深耕多年，积累了丰富的经验和优质的口碑。双方对于人工智能高级人才的培养有着相同的使命感和憧憬，于2020年1月16日，成功举行“北京市科委人才交流中心-学堂在线人工智能高级人才培训班”签约启动仪式并签署正式协议。

学堂在线董事长范新教授、北京市科委人才交流中心主任刘刚代表双方签约

课程简介

“高级机器学习训练营”是北京市科委人才交流中心联合学堂在线发起的“人工智能高级人才培训班”系列课程中的首门课程，由清华大学计算机系副主任、杰青获得者唐杰教授主讲，博士生助教团队全程指导，旨在培养面向未来的AI人才。

机器学习让计算机模拟或实现人类的学习行为，以获取新的知识或技能，在从Web搜索到数据挖掘，从语音识别到图像处理等方面都有极其广泛的应用。近年来，随着数据复杂度的不断提高，经典机器学习算法已经很难满足实际需求，针对复杂数据对象、复杂任务和模拟人脑思维过程的机器学习理论逐渐成为数据挖掘和智能信息处理的主流。掌握并熟练应用这些新型机器学习理论和相关算法成为AI从业者必备的技能之一。

本课程不仅向学生介绍近年流行的高级机器学习（如：深度学习、表示学习、自动机器学习等）理论和算法，而且向学生传授提出一种新的机器学习方法的设计思路，进一步提高学习者在机器学习理论方面的学术水平，同时提供统一、真实的实验验证平台，使学生熟练掌握运用机器学习方法解决实际应用问题的方法论。

授课团队

主讲教授

唐杰，清华大学计算机系教授、系副主任，获杰青。研究兴趣包括：数据挖掘、社交网络和知识图谱。发表论文200余篇，引用10000余次。主持研发了研究者社会网络挖掘系统AMiner，吸引全球220个国家/地区1000多万独立IP访问。曾担任国际期刊ACM TKDD的执行主编和国际会议CIKM’16、WSDM’15的PC Chair、KDD’18大会副主席。作为第一完成人获北京市科技进步一等奖、中国人工智能学会科技进步一等奖、KDD杰出贡献奖。

助教团队

陈齐斌，博士在读，研究方向为问答系统，自然语言生成，图表示学习，发表论文多篇，包括KDD、EMNLP等。曾获得清华大学优秀本科毕业生、优秀毕业论文、北京市优秀毕业生、高通奖学金、清华大学学术优秀奖学金、学业优秀奖学金等奖项。

邹旭，博士在读，研究方向为数据特征对不同深度学习方法的影响，曾获得KDD2019 student travel award、计算机系极限对抗编程大赛特等奖、智能体大赛一等奖、北京市大学生数学建模竞赛一等奖等奖项。

岑宇阔，博士在读，研究方向为异构网络表示与推荐系统。曾获得清华大学研究生国家奖学金、清华大学新生奖学金、ACM-ICPC区域赛金奖等奖项。

冯文政，博士在读，研究方向为图数据挖掘，曾发表AAAI2019论文一篇。曾获得全国大学生数学建模二等奖，清华大学研究生综合二等奖学金等奖项。

学习模式

混合式双师教学——清华大学计算机系副主任、杰青获得者唐杰教授主讲，博士生助教团全程指导，专业混合式教学设计，全方位提升学习效率和体验；

探究性实践项目——研究式学习，精心设计机器学习实践项目，丰富的拓展系学习材料，引导学习者动脑+动手，不断开拓思路，突破自我。课程还提供一定时长的GPU计算资源支持，助力你的项目实战；

班主任导学督学——专业教学服务团队，专属班主任全程导学督学，关注你的学习过程数据，帮你对抗拖延和低效；

全天候答疑讨论——专属小班交流群、教学讨论区24h互动交流，教师及时答疑解惑，高手切磋+朋辈激励，和志同道合的小伙伴一起学习进步，成为大佬的路上不再孤单；

大数据学情反馈——“宏观+微观”大数据学情反馈，精准挖掘学员学习共性、捕捉个性化问题，便于教学团队及时优化教学策略和课程设计，并提供针对性指导；

打比赛高手晋级——课程中设置AI竞赛环节，表现优异者有机会申请“社区助教”，和教学团队一起迭代课程，还有机会获得头部企业的实习推荐或就业绿色通道；

课程大纲

第一章 课程简介

1.1 课程概述

1.2 机器学习历史

1.3 生成学习（Generative Learning）和判别学习（Discriminative Learning）

1.4 机器学习算法验证平台介绍

第二章 经典机器学习算法回顾

2.1 感知机与逻辑回归

2.2 决策树

2.3 朴素贝叶斯

2.4 神经网络

2.5 支持向量机

第三章 集成学习

3.1 Bagging和随机森林

3.2 Boosting

3.3 Stacking

3.4 XGBoost

3.5 应用举例

第四章 深度前向网络

4.1 深度网络模型

4.2 后向传播算法

4.3 激活函数

4.4 深度学习模型的正则化方法

4.5 深度学习模型的训练方法

第五章 卷积神经网络

5.1 什么是卷积神经网络

5.2 卷积与池化

5.3 卷积神经网络的最新发展

5.4 卷积神经网络的应用

第六章 自编码器

6.1 什么是自编码器

6.2 稀疏自编码器

6.3 去噪自编码器

6.4 堆叠自编码器

6.5 卷积自编码器

6.6 变分自编码器

第七章 词向量

7.1 什么是词向量

7.2 Word2Vec

7.3 词向量的应用

第八章 循环神经网络

8.1 语言模型

8.2 什么是循环神经网络(RNN)

8.3 编码-解码架构

8.4 注意力机制

8.5 预训练

8.6 循环神经网络的应用

第九章 增强学习

9.1 什么是增强学习

9.2 Markov决策过程（MDP）

9.3 动态规划

9.4 蒙特卡洛方法

9.5 深度增强学习

9.6 逆增强学习

第十章 多智能体增强学习

10.1  随机博弈

10.2  自我对弈（Self-Play）

10.3  合作与竞争（Cooperation and Competition）

10.4  Learning to Communicate

10.5  多智能体增强学习的应用

第十一章 网络表示学习

11.1  网络表示学习及其应用

11.2  图神经网络

第十二章 生成对抗学习

12.1  什么是生成对抗学习

12.2  生成对抗学习模型及其变形

12.3  对抗攻击（白盒攻击和黑盒攻击）与防御

第十三章 自动机器学习

13.1  什么是自动机器学习

13.2  超参数优化

13.3  神经架构搜索NAS

13.4  元学习

第十四章 机器学习理论

14.1  PAC理论

14.2  VC维

14.3  模型选择

第十五章 认知图谱

注：课程大纲可能会根据课程实际安排调整；

学习流程

入学准备

申请通过

加入班级

开学典礼

课堂学习

学：教授精讲课

习：实践指导课

思：扩展思考题

课后学习

练：针对性练习

思：拓展性材料

问：提问与切磋

毕业典礼

颁发结业证书

优秀学员奖励

您将获得

1跟随清华杰青学者构建一套前沿的机器学习认知体系；

2结识优秀的老师和同学，进入优质AI圈子；　

3表现优秀的学员有机会获得奖学金和进阶推荐；

4通过考核者可获得导师签名、北京市科委人才交流中心认证的结业证书；

适合人群

1、希望进入人工智能领域的高年级本科生、研究生；

2、从事人工智能相关研究/开发的从业者；

先修要求

我们首先希望您具备积极的学习意愿，以及不畏惧困难和挑战的学习能力，除此之外，我们希望您具备如下的先修基础：

1. 较强的编程能力，至少熟练掌握一种程序设计语言（如C/C++、python）；

2. 良好的数学基础，掌握必要的几何与代数、概率和统计知识；

3. 基本的英语能力，有能力查阅英文课件和英文拓展材料；

常见问题

1、高级机器学习训练营开课时间？

本期课程暂定2020年4月13日开课，若有时间调整，将至少提前一周通知已报名学员；

2、课程有效期有多久？

你可在开课期间享受训练营全部资源和服务，课程结束后，您仍有一年的课程内容访问权限，但不再享受训练营服务；

3、课程是否支持退款？

开课前可无条件退款。开课后不接受退款，建议认真咨询后再报名，报名之后还请认真学习；

4、如何咨询更多问题？

热线：010-82152562

微信：学堂CC（xuetangx001）

邮箱：chenjian@xuetangx.com

5、如何报名本课程并开启学习？

扫描下方二维码，即可进入课程购买页，点击“订阅专栏”付费。支付完成后，按照提示关注服务号、添加班主任微信（学堂CC：xuetang001），班主任会在 24 小时内通过你的好友申请，并在开班前组建班级群，通知学习安排；

识别下方二维码进入高级机器学习训练营

了解更多信息，请点击下方“阅读原文”