機(jī)器學(xué)習(xí)作為AI領(lǐng)域最核心的技術(shù)，對(duì)它的深度很大程度上代表你能夠在AI領(lǐng)域走得多遠(yuǎn)，多快。我們見過太多的AI工程師看似很多項(xiàng)目都參與過，簡歷很豐富，但倒過頭來發(fā)現(xiàn)對(duì)很多細(xì)節(jié)還是不了解，很難承擔(dān)起更有挑戰(zhàn)的工作，這嚴(yán)重阻礙了一位算法工程師在職業(yè)上的晉升。?

隨著自動(dòng)駕駛、機(jī)器人技術(shù)、智能制造等行業(yè)的崛起，我們不難發(fā)現(xiàn)公司對(duì)算法工程師的要求越來越高，技能也越來越多樣化。比如無人駕駛領(lǐng)域的路徑規(guī)劃需要懂各類搜索算法和優(yōu)化理論；?做傳感器視覺算法則需要CV方面的技能以及對(duì)硬件的了解；

如何適應(yīng)這種快速的變化？?其實(shí)拼的是扎實(shí)的功底，以及極強(qiáng)的學(xué)習(xí)能力。對(duì)于算法工程師來說，扎實(shí)的基礎(chǔ)無非就是對(duì)于機(jī)器學(xué)習(xí)等基礎(chǔ)學(xué)科的理解深度，這里包括對(duì)優(yōu)化理論、強(qiáng)化學(xué)習(xí)等。

鑒于這方面的學(xué)習(xí)需求，我們推出了《機(jī)器學(xué)習(xí)高階研修班》項(xiàng)目，目的就是讓廣大AI愛好者深入學(xué)習(xí)機(jī)器學(xué)習(xí)，同時(shí)拓寬對(duì)AI領(lǐng)域的理解，為厚積薄發(fā)提供強(qiáng)有力的支持。本項(xiàng)目包含了凸優(yōu)化技術(shù)、深度強(qiáng)化學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)、貝葉斯模型等四大塊，幫助你實(shí)現(xiàn)技術(shù)上的提升！?

內(nèi)容亮點(diǎn)

全面的內(nèi)容講解：涵蓋當(dāng)今應(yīng)用和科研領(lǐng)域最熱門的四大技術(shù)方向，強(qiáng)化學(xué)習(xí)、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(xì)節(jié)及各模塊所涵蓋最前沿技術(shù)，導(dǎo)師結(jié)合自身經(jīng)歷及學(xué)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(gè)領(lǐng)域是技術(shù)創(chuàng)新的必要條件，在全面學(xué)習(xí)深入該領(lǐng)域的同時(shí)，課程的創(chuàng)新項(xiàng)目及內(nèi)容設(shè)計(jì)將會(huì)引導(dǎo)你的創(chuàng)新思考。

開放式項(xiàng)目實(shí)踐：每個(gè)模塊均設(shè)有開放式項(xiàng)目，導(dǎo)師團(tuán)隊(duì)全程輔導(dǎo)，課題最終可轉(zhuǎn)換成創(chuàng)業(yè)項(xiàng)目或科研論文。

機(jī)器學(xué)習(xí)高階研修班

???強(qiáng)化學(xué)習(xí)??? 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(duì)課程有意向的同學(xué)

二維碼咨詢

詳細(xì)內(nèi)容

技術(shù)模塊一

強(qiáng)化學(xué)習(xí)

強(qiáng)化學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，相較于機(jī)器學(xué)習(xí)經(jīng)典的有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)問題，強(qiáng)化學(xué)習(xí)最大的特點(diǎn)是在交互中學(xué)習(xí)。強(qiáng)化學(xué)習(xí)的范式非常類似于我們?nèi)祟悓W(xué)習(xí)知識(shí)的過程，也正因此，強(qiáng)化學(xué)習(xí)被視為實(shí)現(xiàn)通用AI重要途徑。

知識(shí)點(diǎn)講解（詳細(xì)請(qǐng)點(diǎn)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(qiáng)化學(xué)習(xí)在游戲中的應(yīng)用

- 強(qiáng)化學(xué)習(xí)在NLP中的應(yīng)用（文本生成、多輪對(duì)話、機(jī)器寫作..)

- 強(qiáng)化學(xué)習(xí)在金融領(lǐng)域中的應(yīng)用

- 強(qiáng)化學(xué)習(xí)在多任務(wù)中的應(yīng)用

項(xiàng)目作業(yè)：

-??固定項(xiàng)目：?基于HFO 場景的強(qiáng)化學(xué)習(xí)模型及基于Flappy Bird 場景的深度強(qiáng)化學(xué)習(xí)

-? 開放式項(xiàng)目：?以小組為單位完成一個(gè)開放式項(xiàng)目（capstone），導(dǎo)師和助教全程指導(dǎo)，有可能項(xiàng)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(xué)習(xí)

貝葉斯深度學(xué)習(xí)（Bayesian Deep learning）是一項(xiàng)迅速崛起的技術(shù)，融合了深度學(xué)習(xí)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(shí)也能預(yù)測出結(jié)果的不確定性，同時(shí)貝葉斯模型也比較適合小數(shù)據(jù)量的場景。

知識(shí)點(diǎn)講解（詳細(xì)請(qǐng)點(diǎn)擊圖片查看）：

-?貝葉斯深度學(xué)習(xí)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(shí)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(xiàng)目作業(yè)：

-??固定項(xiàng)目：?基于修改版LDA的無監(jiān)督情感分析模型

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(shí)點(diǎn)講解（詳細(xì)請(qǐng)點(diǎn)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(jī)制，GAT

- Edge Convolution，近似優(yōu)化問題

-?Relative GCN, knowledge GCN

- ST-GCN, GraphSage的設(shè)計(jì)

-?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(xiàng)目作業(yè)：

-??固定項(xiàng)目：?基于修改版LDA的無監(jiān)督情感分析模型

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(duì)于模型的訓(xùn)練實(shí)際上等同于對(duì)模型的優(yōu)化。我們平時(shí)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(dāng)我們構(gòu)造了目標(biāo)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(huì)文章的細(xì)節(jié)，凸優(yōu)化是必備的基礎(chǔ)。對(duì)于想深入AI領(lǐng)域的人來講，學(xué)習(xí)凸優(yōu)化是必不可少的。

知識(shí)點(diǎn)講解（詳細(xì)請(qǐng)點(diǎn)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問題的松弛華

-?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(duì)偶問題

- Subgradient Method

- Proximal Gradient Descent

- ....

應(yīng)用講解：

-?線性規(guī)劃在運(yùn)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(xiàng)目作業(yè)：

-??固定項(xiàng)目：?利用優(yōu)化理論完成投資策略

你將收獲

全面掌握機(jī)器學(xué)習(xí)領(lǐng)域技術(shù)，能夠靈活應(yīng)用在自己的工作中。

理解強(qiáng)化學(xué)習(xí)、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(xì)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(gè)創(chuàng)業(yè)項(xiàng)目或者轉(zhuǎn)換成你的科研論文。

短期內(nèi)對(duì)一個(gè)領(lǐng)域有全面的認(rèn)識(shí)，大大節(jié)省學(xué)習(xí)時(shí)間。

認(rèn)識(shí)一群擁有同樣興趣的人、相互交流、相互學(xué)習(xí)。

機(jī)器學(xué)習(xí)高階研修班

???強(qiáng)化學(xué)習(xí)??? 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(duì)課程有意向的同學(xué)

二維碼咨詢

研發(fā)及導(dǎo)師團(tuán)隊(duì)

藍(lán)振忠

課程研發(fā)顧問

ALBERT模型的第一作者

西湖大學(xué)特聘研究員和博士生導(dǎo)師

Google AI實(shí)驗(yàn)室科學(xué)家

美國卡耐基梅隆大學(xué)博士

先后在NIPS, CVPR, ICCV, IJCAI等會(huì)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(fù)責(zé)人

美國亞馬遜(總部)資深工程師

美國新澤西理工大學(xué)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(xiàng)目經(jīng)驗(yàn)

先后在AI相關(guān)國際會(huì)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(xué)博士

曾任獨(dú)角獸金科集團(tuán)首席數(shù)據(jù)科學(xué)家、美國亞馬遜和高盛的高級(jí)工程師

金融行業(yè)開創(chuàng)知識(shí)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(huì)議上發(fā)表過15篇以上論文

楊老師

推薦系統(tǒng)，計(jì)算機(jī)視覺領(lǐng)域?qū)＜?/span>

香港城市大學(xué)博士，加州大學(xué)美熹德分校博士后

主要從事機(jī)器學(xué)習(xí)，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(huì)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(jī)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(xiàng)國家發(fā)明專利

需要完成的任務(wù)

▲讀論文（20%）：每個(gè)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(xiàng)目（80%）：對(duì)于每個(gè)模塊，以小組為單位，完成一個(gè)完整的項(xiàng)目或者課題，分幾個(gè)階段完成：

1頁課題計(jì)劃 & 線上報(bào)告
課題成果展示 & 最終答辯
完整的課題Report

適合人群

大學(xué)生：
理工科相關(guān)專業(yè)的本科/碩士/博士生，想系統(tǒng)性學(xué)習(xí)機(jī)器學(xué)習(xí)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(xiàng)目涉及到以上幾個(gè)模塊的內(nèi)容、希望深入學(xué)習(xí)
希望能夠及時(shí)掌握前沿的機(jī)器學(xué)習(xí)技術(shù)

入學(xué)標(biāo)準(zhǔn)
1.理工科相關(guān)專業(yè)學(xué)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(jī)器學(xué)習(xí)、深度學(xué)習(xí)基礎(chǔ)或成功完成貪心學(xué)院以下課程中的任意一門：
中級(jí)機(jī)器學(xué)習(xí)訓(xùn)練營
高階自然語言處理訓(xùn)練營
推薦系統(tǒng)訓(xùn)練營
京東NLP項(xiàng)目實(shí)戰(zhàn)訓(xùn)練營

機(jī)器學(xué)習(xí)算法工程師薪資為什么這么高？背后原因是你不知道的！

機(jī)器學(xué)習(xí)算法工程師薪資為什么這么高？背后原因是你不知道的！