近幾年，機器學習在各個領(lǐng)域井噴式發(fā)展，現(xiàn)已成為當下最熱門的技術(shù)。掌握機器學習，你就比 80% 的人更具備競爭優(yōu)勢。

谷歌的無人駕駛、抖音的推薦系統(tǒng)、百度的人臉識別、大疆的無人機、科大訊飛的語音識別、小米的智能音箱……背后都是機器學習。

簡單一點概括，機器學習就是計算機從數(shù)據(jù)中學習出規(guī)律和模式，以應(yīng)用在新數(shù)據(jù)上做預(yù)測的任務(wù)。

然而，學習機器學習的資料很多，動輒就有幾個G的材料可以下載或者觀看。而很多朋友都有“收集癖”，一下子購買十幾本書卻束之高閣的人也不在少數(shù)……

究竟要怎樣才能高效、系統(tǒng)地掌握機器學習前沿技術(shù)呢？為此，貪心科技重磅推出《機器學習高階研修班》

在課程中，我們由淺入深的講清楚每一個核心的細節(jié)以及前沿的技術(shù)、同時你將有機會參與到課題中，并通過課題來增加對領(lǐng)域的認知，讓自己的能力更上一層。

如果你以后想從事相關(guān)課題的科研或準備出國留學申請該領(lǐng)域方向的博士碩士，將會有很大幫助。

機器學習高階研修班

???強化學習??? 圖神經(jīng)網(wǎng)絡(luò)? ? 深度貝葉斯????凸優(yōu)化

助你成為行業(yè)TOP10%的工程師

對課程有意向的同學

二維碼咨詢

內(nèi)容亮點

全面的內(nèi)容講解：涵蓋當今應(yīng)用和科研領(lǐng)域最熱門的四大技術(shù)方向，強化學習、深度貝葉斯、圖神經(jīng)網(wǎng)絡(luò)、凸優(yōu)化。

深入的技術(shù)剖析：深入剖析技術(shù)細節(jié)及各模塊所涵蓋最前沿技術(shù)，導師結(jié)合自身經(jīng)歷及學術(shù)應(yīng)用前沿，為你指引未來方向。

提高創(chuàng)新創(chuàng)造力：深入了解一個領(lǐng)域是技術(shù)創(chuàng)新的必要條件，在全面學習深入該領(lǐng)域的同時，課程的創(chuàng)新項目及內(nèi)容設(shè)計將會引導你的創(chuàng)新思考。

開放式項目實踐：每個模塊均設(shè)有開放式項目，導師團隊全程輔導，課題最終可轉(zhuǎn)換成創(chuàng)業(yè)項目或科研論文。

詳細內(nèi)容

技術(shù)模塊一

強化學習

強化學習是機器學習的一個分支，相較于機器學習經(jīng)典的有監(jiān)督學習、無監(jiān)督學習問題，強化學習最大的特點是在交互中學習。強化學習的范式非常類似于我們?nèi)祟悓W習知識的過程，也正因此，強化學習被視為實現(xiàn)通用AI重要途徑。

知識點講解（詳細請點擊圖片查看）：

- Markov Decision Process

- Dynamic Programing

- Model-free Prediction

- Monte Carlo Learning

-?On-Policy?Monte Carlo Control

-?Importance Sampling, Q-Learning

-?Policy Gradient

- Deep Reinforcement Learning

- Actor Critic

- Advanced Reinforcement Learning

- Bandit

- ......

應(yīng)用講解：

-?強化學習在游戲中的應(yīng)用

- 強化學習在NLP中的應(yīng)用（文本生成、多輪對話、機器寫作..)

- 強化學習在金融領(lǐng)域中的應(yīng)用

- 強化學習在多任務(wù)中的應(yīng)用

項目作業(yè)：

-??固定項目：?基于HFO 場景的強化學習模型及基于Flappy Bird 場景的深度強化學習

-? 開放式項目：?以小組為單位完成一個開放式項目（capstone），導師和助教全程指導，有可能項目成果就轉(zhuǎn)變成你的一篇論文了呢

技術(shù)模塊二

貝葉斯深度學習

貝葉斯深度學習（Bayesian Deep learning）是一項迅速崛起的技術(shù)，融合了深度學習和貝葉斯核心技術(shù)，使得模型本身可以更好地捕獲數(shù)據(jù)中的不確定性，同時也能預(yù)測出結(jié)果的不確定性，同時貝葉斯模型也比較適合小數(shù)據(jù)量的場景。

知識點講解（詳細請點擊圖片查看）：

-?貝葉斯深度學習是什么

-?Probabilistic Programming

-?主題模型

-?MCMC采樣，吉布斯采樣

- 變分法（VI）， SVI

- Importance sampling

-?Rejection Sampling

- VAE,?Reparameterization Trick

-?MC dropout,?uncertainty estimation

-?貝葉斯序列模型

- Adversial Learning

- ......

應(yīng)用講解：

- 貝葉斯模型在文本領(lǐng)域應(yīng)用

- 貝葉斯模型在時序分析領(lǐng)域應(yīng)用

- 貝葉斯模型在推薦領(lǐng)域應(yīng)用

- 貝葉斯模型在醫(yī)療領(lǐng)域應(yīng)用

項目作業(yè)：

-??固定項目：?基于修改版LDA的無監(jiān)督情感分析模型

-? 開放式項目：?以小組為單位完成一個開放式項目（capstone），導師和助教全程指導，有可能項目成果就轉(zhuǎn)變成你的一篇論文了呢

技術(shù)模塊三

圖神經(jīng)網(wǎng)絡(luò)

圖神經(jīng)網(wǎng)絡(luò)是指神經(jīng)網(wǎng)絡(luò)在圖上應(yīng)用的模型的統(tǒng)稱，根據(jù)采用的技術(shù)不同和分類方法的不同，又可以分為下圖中的不同種類，例如從傳播的方式來看，圖神經(jīng)網(wǎng)絡(luò)可以分為圖卷積神經(jīng)網(wǎng)絡(luò)（GCN），圖注意力網(wǎng)絡(luò)（GAT，縮寫為了跟GAN區(qū)分），Graph LSTM等等，本質(zhì)上還是把文本圖像的那一套網(wǎng)絡(luò)結(jié)構(gòu)技巧借鑒過來做了新的嘗試。

知識點講解（詳細請點擊圖片查看）：

-?Inner Product, Hilbert Space

-?CNN的卷積與池化

-?Network community detection

-?拉普拉斯算子

-?GCN

- Spatial Convolution, Mixture Model Network

- Attention機制，GAT

- Edge Convolution，近似優(yōu)化問題

-?Relative GCN, knowledge GCN

- ST-GCN, GraphSage的設(shè)計

-?HyperGCN

- .....

應(yīng)用講解：

- GNN在推薦領(lǐng)域中的應(yīng)用

- GNN在社交網(wǎng)絡(luò)中的應(yīng)用

- GNN在文本分析領(lǐng)域中的應(yīng)用

項目作業(yè)：

-??固定項目：?基于修改版LDA的無監(jiān)督情感分析模型

-? 開放式項目：?以小組為單位完成一個開放式項目（capstone），導師和助教全程指導，有可能項目成果就轉(zhuǎn)變成你的一篇論文了呢

技術(shù)模塊四

凸優(yōu)化

凸優(yōu)化在人工智能領(lǐng)域有著舉足輕重的地位，對于模型的訓練實際上等同于對模型的優(yōu)化。我們平時使用的sgd, adam, adagrad, L-BFGS這類算法均屬于優(yōu)化范疇。在AI的應(yīng)用中，當我們構(gòu)造了目標函數(shù)之后，接下來的工作即便是優(yōu)化部分。如果你今后想做一些模型的改造、以及想看懂頂會文章的細節(jié)，凸優(yōu)化是必備的基礎(chǔ)。對于想深入AI領(lǐng)域的人來講，學習凸優(yōu)化是必不可少的。

知識點講解（詳細請點擊圖片查看）：

- 線性規(guī)劃問題以及Simplex?Method

-?Stochastic Programming

-?判定凸函數(shù)

-?二次規(guī)劃問題

-?半定規(guī)劃問題（semi-definite programming）

- 幾何規(guī)劃問題（geometric programming）

-?非凸函數(shù)的優(yōu)化

- NP-hard問題的松弛化

-?整數(shù)規(guī)劃（integer programming）

-?拉格朗日函數(shù)

-?Duality，?Strong Duality

-?KKT條件

-?LP, QP, SDP的對偶問題

- Subgradient Method

- Proximal Gradient Descent

- ....

應(yīng)用講解：

-?線性規(guī)劃在運輸問題中的應(yīng)用

- 線性規(guī)劃在投放優(yōu)化中的應(yīng)用

-?二次規(guī)劃在投資組合優(yōu)化中的應(yīng)用

-?整數(shù)規(guī)劃在打車匹配中的應(yīng)用

項目作業(yè)：

-??固定項目：?利用優(yōu)化理論完成投資策略

-? 開放式項目：?以小組為單位完成一個開放式項目（capstone），導師和助教全程指導，有可能項目成果就轉(zhuǎn)變成你的一篇論文了呢

你將收獲

全面掌握機器學習領(lǐng)域技術(shù)，能夠靈活應(yīng)用在自己的工作中。

理解強化學習、深度貝葉斯技術(shù)、圖神經(jīng)網(wǎng)絡(luò)、凸優(yōu)化。

深入理解前沿技術(shù)理論和細節(jié)，具備修改模型創(chuàng)新能力，打下科研基礎(chǔ)。

完成一系列課題，有可能成為一個創(chuàng)業(yè)項目或者轉(zhuǎn)換成你的科研論文。

短期內(nèi)對一個領(lǐng)域有全面的認識，大大節(jié)省學習時間。

認識一群擁有同樣興趣的人、相互交流、相互學習。

機器學習高階研修班

???強化學習??? 圖神經(jīng)網(wǎng)絡(luò)??? 深度貝葉斯????凸優(yōu)化

助你成為行業(yè)TOP10%的工程師

對課程有意向的同學

二維碼咨詢

研發(fā)及導師團隊

藍振忠

課程研發(fā)顧問

ALBERT模型的第一作者

西湖大學特聘研究員和博士生導師

Google AI實驗室科學家

美國卡耐基梅隆大學博士

先后在NIPS, CVPR, ICCV, IJCAI等會議發(fā)表30篇以上論文，1000+引用次數(shù)

Jerry Yuan

課程研發(fā)顧問

美國微軟(總部)推薦系統(tǒng)部負責人

美國亞馬遜(總部)資深工程師

美國新澤西理工大學博士

14年人工智能, 數(shù)字圖像處理和推薦系統(tǒng)領(lǐng)域研究和項目經(jīng)驗

先后在AI相關(guān)國際會議上發(fā)表20篇以上論文

李文哲

貪心科技CEO

美國南加州大學博士

曾任獨角獸金科集團首席數(shù)據(jù)科學家、美國亞馬遜和高盛的高級工程師

金融行業(yè)開創(chuàng)知識圖譜做大數(shù)據(jù)反欺詐的第一人

先后在AAAI、KDD、AISTATS、CHI等國際會議上發(fā)表過15篇以上論文

楊老師

推薦系統(tǒng)，計算機視覺領(lǐng)域?qū)＜?/span>

香港城市大學博士，加州大學美熹德分校博士后

主要從事機器學習，圖卷積，圖嵌入的研究

先后在ECCV, Trans on Cybernetics, Trans on NSE, INDIN等國際頂會及期刊上發(fā)表過數(shù)篇論文

王老師

畢業(yè)于QS排名TOP20名校

先后任職于亞馬遜，華為，平安科技等AI研發(fā)部門

主要從事機器閱讀理解，信息檢索，文本生成等方向的研究

先后在AAAI, ICLR等發(fā)表數(shù)篇論文，擁有多項國家發(fā)明專利

授課方式

基礎(chǔ)知識講解

前沿論文解讀

論文代碼復現(xiàn)

該知識內(nèi)容的實際應(yīng)用

該知識的項目實戰(zhàn)

該方向的知識延伸及未來趨勢

Capstone開放式項目實戰(zhàn)

需要完成的任務(wù)

▲讀論文（20%）：每個模塊中，在指定的論文列表中選擇至少2篇文章，并把summary發(fā)布在內(nèi)部論壇中。

▲項目（80%）：對于每個模塊，以小組為單位，完成一個完整的項目或者課題，分幾個階段完成：

1頁課題計劃 & 線上報告
課題成果展示 & 最終答辯
完整的課題Report

適合人群

大學生：
理工科相關(guān)專業(yè)的本科/碩士/博士生，想系統(tǒng)性學習機器學習技術(shù)
希望今后從事人工智能相關(guān)的工作
希望今后想從事相關(guān)研究

在職人士：
目前從事IT相關(guān)的工作，但今后想從事AI工作
目前公司項目涉及到以上幾個模塊的內(nèi)容、希望深入學習
希望能夠及時掌握前沿的機器學習技術(shù)

入學標準
1.理工科相關(guān)專業(yè)學生，或者IT從業(yè)者
2.具有良好的Python編程能力
3.有一定的機器學習、深度學習基礎(chǔ)或成功完成貪心學院以下課程中的任意一門：
中級機器學習訓練營
高階自然語言處理訓練營
推薦系統(tǒng)訓練營
京東NLP項目實戰(zhàn)訓練營

機器學習高階研修班

???強化學習??? 圖神經(jīng)網(wǎng)絡(luò)??? 深度貝葉斯????凸優(yōu)化

助你成為行業(yè)TOP10%的工程師

對課程有意向的同學

二維碼咨詢

機器學習高階研修班

???強化學習??? 圖神經(jīng)網(wǎng)絡(luò)??? 深度貝葉斯????凸優(yōu)化

助你成為行業(yè)TOP10%的工程師

對課程有意向的同學

二維碼咨詢

10分鐘了解圖卷積神經(jīng)網(wǎng)絡(luò)的常用算法和發(fā)展方向