2023年寒假牛津大学人工智能-机器学习新工科项目报名通知

发布时间：2022-10-26 17:31:05 浏览次数：

广大同学：

为给我校学生提供与世界一流大学交流与学习的机会，我校与合作伙伴ISP远学拟联合组织实施2023年寒假牛津大学人工智能-机器学习新工科项目。具体信息如下：

一、学校简介

牛津大学（University of Oxford），世界顶尖的公立研究型大学。该校涌现了一批引领时代的科学巨匠，培养了大量开创纪元的艺术大师、国家元首，其中包括28位英国首相及数十位世界各国元首、政商界领袖。牛津大学在数学、工科、计算机、物理、医学、法学、商科等多个领域拥有崇高的学术地位及广泛的影响力，被公认为是当今世界最顶尖的高等教育机构之一。从1902年起，牛津大学还设立了面向全世界本科生的“罗德奖学金”。截止至2019年3月，牛津大学的校友、教授及研究人员中，共有72位诺贝尔奖得主（世界第九）、3位菲尔兹奖得主（世界第二十）、6位图灵奖得主（世界第九）。

2021-2022年度，牛津大学位列2022THE世界大学排名第1，2023QS世界大学排名第4.特别的是，牛津大学于2017-2022年连续六年在THE世界大学排名荣膺世界第1。

二、项目内容

第一部分，深度神经网络技术学习

导师将带领学生了解深度神经网络（Deep Neural Networks, DNN）的设计思想和发展历史、基本组成部分（如梯度下降法）、最流行的实现方式（如卷积神经网络），以及更进阶的主题（如自动编码器等）

第1讲：人工智能基础知识：关于人脑如何启发人工神经网络的设计的历史，使计算机能够完成原本只有人类才能完成的任务;第2讲：运行机器学习代码的硬件和软件：详细介绍运行机器学习必要的硬件基础和软件设置;第3讲：深度神经网络的基本组成部分：开发一个深度神经网络工具的基本要素，如人工神经元、损失函数、优化器等;第4讲：卷积神经网络（CNN）：深度神经网络中最受欢迎的架构形式之一，用于各种计算机视觉任务，如分类和语义分割;第5讲：高级神经网络设计和架构：介绍更进阶的神经网络设计和架构，如循环神经网络（RNN）及其衍生物、自动编码器和生成式对抗网络（GAN）

第二部分：机器学习中数据分析与建模实践

在理论学习的基础上，项目还设置了两个编程实践环节，学生将在导师的带领下完成编程项目。在第一节编程实践课上，导师将向学生介绍Python的基础知识，该语言通常用于设计DNN架构，以及项目中将调用的相关库，如NumPy和Pandas，帮助学生理解代码内涵。在第二节编程实践课上，导师将指导学生使用预先训练好的神经网络来识别手写的数字。

编程课1：实践Python语言：介绍Python语言及其流行的代码库，如NumPy、Matplotlib和Pandas，帮助学生快速上手实操，为机器学习编程打下基础;编程课2：实践深度神经网络：通过探索已完成训练的深度神经网络，学习研究如何使用它们来识别MNIST数据库中的手写数字;前两部分课程内容紧密结合，兼具系统性、实践性、趣味性，帮助学生理解机器学习技术的原理，为将来进一步探索该领域奠定基础。

第三部分：机器学习的跨领域应用及其前沿研究

项目将邀请机器学习应用领域的知名学者和科研工作者，围绕其专业领域进行专题讲座。讲座将向学生们展示：不同行业领域是如何使用机器学习解决其行业中的问题的，比如机器学习在健康产业、自动驾驶、制造业、零售业、机器视觉中的不同应用；机器学习拥有哪些传统方法不具备的优势；机器学习在各学科应用中的演进方向等。通过来自各行业学者的分享，将更好的扩展学生在机器学习应用领域的知识面，更全面的认识机器学习在技术革新中的定位，更准确的找到自己感兴趣的实践方向。

用于医学应用的多模式深度学习Professor. Farah Shamout：Shamout教授将讲述如何将机器学习模型用于医疗领域的决策，涵盖大规模多模态数据的表示学习等主题。

分类问题和用MCMC方法进行贝叶斯参数估计Dr. Mark Smith：Smith博士将讲述如何使用机器学习算法（如MCMC），并运用天体物理学中的实践案例（如测量黑洞的质量）为学生演示如何利用大量数据的不确定性。

机器人、人工智能、城市和人类：竞争还是共存Professor. Mateja Kovacic：Kovacic教授将谈论人工智能和机器人在智能城市中的实施，并列举日本、美国和阿联酋等国的案例具体讲解。

人工智能 - 组织病理学和早期癌症检测的新方向Professor Jens Rittscher：Rittscher教授将讲述他通过机器学习的技术进行早期癌症筛查检测的工作，并详细讲解了他所运用的相关技术，如模式识别和生存分析等。

undefined

第四部分，科研创新冲刺

科研创新冲刺旨在教导学生一套研究方法，能够快速完成对陌生领域的背景调研，了解该领域的基本概况、发展现状和存在问题。带领学生从实践出发，亲自参与设计一项可待解决或改善的科技应用，运用学过的机器学习理论做出符合现实需要产品建模，或利用机器学习的工具，对现存有挑战的科技问题提出创新的解决方案，最终达到科技向善的目的。“科研冲刺”旨在充分锻炼学生的研发能力、利用机器学习进行实际问题的解决能力、设计思维能力、以及批判思维能力，让学生对科研过程拥有一个全面的认识和更深的见解。

项目将沿袭名校名企的研究方式，设置科研创新冲刺环节。学生们将被分为三至四人的合作小组，以团队合作的形式，运用在课程中学习的机器学习相关知识，来提出一个有利于社会发展的问题，设计出具有创新性的解决方案，并进行全英文的成果汇报。

在该环节中，导师将举办一系列辅导讲座，帮助学生更高效的完成冲刺。主题包括：如何进行科学研究；如何快速熟悉一个领域；如何通过同行评议的文章提取相关信息；如何制定问题和设计解决方案；如何展示研究项目等。

第五部分，未来规划工作坊

1.科研论文工作坊:“科研论文工作坊”将带领学生学习专业科研论文的原理、步骤、正确格式及写作技巧，对亚洲学生比较薄弱的部分如如何做前期调研、如何快速阅读大量英文文献、如何寻找有意义的论文课题、如何写提案等进行重点讲解，并通过“科研创新冲刺”presentation部分，着重帮助学生大幅度提高做专业学术报告的能力;

2.研究生申请工作坊:“研究生申请工作坊”将以牛津大学研究生/博士生申请为例，详细介绍以英国为代表的海外优秀高校的申报要求、教学模式、准备材料、如何做好未来规划等必要信息。

【项目信息】

适合专业：对该领域感兴趣，对Python有基本了解的所有专业学生

项目学时：40学时（45分钟/学时）

开班人数：15人开班，未达到最低人数，项目取消或延期。如果因为疫情或人数原因未成行，费用全额退还。

授课方式：线上实时授课

项目收获：证书、冲刺报告、优秀者有机会获得推荐信

【师资介绍】

Jens Rittscher：牛津大学工程科学系教授，牛津大学纳菲尔德医学部靶向治疗研究所项目组组长，路德维希癌症研究所成员，曾任GE全球高级研究科学家和项目负责人。

他的研究是通过开发新的算法和新型计算平台来实现生物医学成像。目前，他的研究重点是通过对图像数据的定量分析提高对癌症和患者护理机制的理解。

MatejaKovacic：牛津大学尼桑研究所社交机器人与人工智能研究员，牛津大学全球与地方研究所研究生导师，香港浸会大学副教授。她的研究主要关注在城市和社会空间中的机器人和自动化系统，包括整个非工业机器人范围的实验，从自动驾驶、送货无人机、医疗机器人，到社交和服务机器人。

Bojan Komazec：牛津大学继续教育学院人工智能—云端与边缘运算课程讲师；资深IT行业专家，现任物联网新闻评论平台iotosphere董事，Avast Software(全球排名第二的杀毒软件公司)高级软件工程师，主要研发计算机安全软件、机器学习和人工智能。

Farah Shamout：牛津大学罗德学者，牛津大学罗德基金会区域秘书，纽约大学阿布扎比分校计算机工程教授，临床人工智能实验室的团队负责人，MIT特邀讲师。在牛津大学，她致力于开发HAVEN项目，该项目旨在利用贝叶斯非参数化、深度学习和其他机器学习方法，制作一款对患者持续评估的医院警报系统。

Mark Smith：牛津大学物理学导师、牛津大学天体物理学分系高级研究员；与WISDOM项目合作，探索超大型黑洞质量与星系旋转之间的关系。

Derya Akkaynak（特邀）：美国海洋研究院高级科学家和工程师；前麻省理工学院感知科学研究所研究员；曾获邀作为拥有突出贡献的女性海洋学家在TED进行演讲。由于她在计算机视觉和水下成像技术方面取得的重大突破和进展，进而解决了计算机视觉界的一个基本技术问题——重建水下摄影图像中丢失的色彩和对比度，而获得2019年布拉瓦特尼克青年科学家奖，这将对海洋学研究产生实际影响。她还曾获得2018年国际海洋色彩协调组夏季系列讲座旅行奖（法国）、2018年IEEE CVPR 女性机器视觉旅行奖。《纽约时报》、《国家地理》、《EUMETSAT》、《In The Deep》和《Hakai》杂志都曾报道过她的研究。

*以上讲座内容和授课老师海外可根据实际情况做调整

三、项目时间

3周，2023年1月16日-2月12日期间内完成（具体schedule会在项目开始前2周公示给同学）

四、申请条件

（一）我校全日制本科生及研究生；

（二）爱党爱国，政治表现良好，综合素质高；身体健康，能顺利完成线上课程学习任务；

（三）家庭具有一定经济基础，能承担项目费用；

（四）英语要求：四级450以上（如未达到英语要求的学生可面试同等录取）。