- Rejection Sampling
- VAE, Reparameterization Trick
- MC dropout, uncertainty estimation
- 贝叶斯序列模型
- Adversial Learning
- ......
应用讲解：
- 贝叶斯模型在文本领域应用
- 贝叶斯模型在时序分析领域应用
- 贝叶斯模型在推荐领域应用
- 贝叶斯模型在医疗领域应用
项目作业：
- 固定项目： 基于修改版LDA的无监督情感分析模型
- 开放式项目： 以小组为单位完成一个开放式项目（capstone） ， 导师和助教全程指导 ， 有可能项目成果就转变成你的一篇论文了呢
技术模块三
图神经网络
图神经网络是指神经网络在图上应用的模型的统称 ， 根据采用的技术不同和分类方法的不同 ， 又可以分为下图中的不同种类 ， 例如从传播的方式来看 ， 图神经网络可以分为图卷积神经网络（GCN） ， 图注意力网络（GAT ， 缩写为了跟GAN区分） ， Graph LSTM等等 ， 本质上还是把文本图像的那一套网络结构技巧借鉴过来做了新的尝试 。
知识点讲解（详细请点击图片查看）：
- Inner Product, Hilbert Space
- CNN的卷积与池化
- Network community detection
- 拉普拉斯算子
- GCN
- Spatial Convolution, Mixture Model Network
- Attention机制 ， GAT
- Edge Convolution ， 近似优化问题
- Relative GCN, knowledge GCN
- ST-GCN, GraphSage的设计
- HyperGCN
- .....
应用讲解：
- GNN在推荐领域中的应用
- GNN在社交网络中的应用
- GNN在文本分析领域中的应用
项目作业：
- 固定项目： 基于修改版LDA的无监督情感分析模型
- 开放式项目： 以小组为单位完成一个开放式项目（capstone） ， 导师和助教全程指导 ， 有可能项目成果就转变成你的一篇论文了呢
技术模块四
凸优化
凸优化在人工智能领域有着举足轻重的地位 ， 对于模型的训练实际上等同于对模型的优化 。 我们平时使用的sgd, adam, adagrad, L-BFGS这类算法均属于优化范畴 。 在AI的应用中 ， 当我们构造了目标函数之后 ， 接下来的工作即便是优化部分 。 如果你今后想做一些模型的改造、以及想看懂顶会文章的细节 ， 凸优化是必备的基础 。 对于想深入AI领域的人来讲 ， 学习凸优化是必不可少的 。
知识点讲解（详细请点击图片查看）：
- 线性规划问题以及Simplex Method
- Stochastic Programming
- 判定凸函数
- 二次规划问题
- 半定规划问题（semi-definite programming）
- 几何规划问题（geometric programming）
- 非凸函数的优化
- NP-hard问题的松弛化
- 整数规划（integer programming）
- 拉格朗日函数
- Duality ，Strong Duality
- KKT条件
- LP, QP, SDP的对偶问题
- Subgradient Method
- Proximal Gradient Descent
- ....
应用讲解：
- 线性规划在运输问题中的应用
- 线性规划在投放优化中的应用
- 二次规划在投资组合优化中的应用
- 整数规划在打车匹配中的应用
项目作业：
- 固定项目： 利用优化理论完成投资策略
- 开放式项目： 以小组为单位完成一个开放式项目（capstone） ， 导师和助教全程指导 ， 有可能项目成果就转变成你的一篇论文了呢
03
你将收获
全面掌握机器学习领域技术 ， 能够灵活应用在自己的工作中 。
理解强化学习、深度贝叶斯技术、图神经网络、凸优化 。
深入理解前沿技术理论和细节 ， 具备修改模型创新能力 ， 打下科研基础 。
完成一系列课题 ， 有可能成为一个创业项目或者转换成你的科研论文 。