机器学习中的概率分析与处理

Probabilistic Machine Learning

Alex Rogers

英国牛津大学计算机科学系终身教授

(1)计算机科学系副主任，主管教学
(2)机器系统智能自动化博士培训中心（AIMS CDT）主任
(3)咨询公司Joulo联合创始人
(4)英国国家电网碳强度监测程序GridCarbon开发及维护员
(5)牛津赛博物理系统研究组资深成员
(6)H指数52, i10指数151

课题背景
机器学习及模式识别领域主要由三大理论体系构成，分别是概率论（Probability Theory），决策论（Decision Theory）和信息论（Information Theory）。机器学习领域的一个关键概念是不确定性（uncertainty）。然而概率论为不确定性的量化和操纵提供了框架，并形成了机器学习的核心基础之一。概率论描述了如何表示和操纵模型和预测的不确定性，它在科学数据分析、机器学习、机器人技术、认知科学和人工智能等领域发挥着核心作用。

课题内容
概率论为计算机对不确定性进行推理提供了一个原则性的基础。它使我们能够通过利用对产生这些数据的基础流程的理解，即使在数据有限的情况下也能构建表现良好的机器学习算法。将概率论应用于此类机器学习任务中还需要具备高等数学知识和专业编程技能。然而易于使用的编程语言（如Python）中出现的功能强大的概率编程库改变了这一点。本课程将引导学生对基本概率论进行学习和了解，以及学会运用概率编程解决现实世界中机器学习和数据分析任务的技能和经验。

适合人群
 对编程语言感兴趣的高中生、本科生
 修读计算机、编程、信息工程等专业，以及未来希望在机器学习、算法、编程、数据分析等领域从业的学生
 具备一定编程语言背景(Python)，精通高中数学，拥有微积分、线性代数、以及编程基础的学生优先

教授介绍

Alex Rogers

英国牛津大学计算机科学系终身教授

(1)计算机科学系副主任，主管教学
(2)机器系统智能自动化博士培训中心（AIMS CDT）主任
(3)咨询公司Joulo联合创始人
(4)英国国家电网碳强度监测程序GridCarbon开发及维护员
(5)牛津赛博物理系统研究组资深成员
(6)H指数52, i10指数151

任职学校
牛津大学是英国牛津的一所研究型大学。牛津大学的历史和影响力使它成为世界上最负盛名的大学之一。它拥有世界上最古老的大学博物馆、世界上最大的大学出版社和全国最大的学术图书馆系统。该大学被大多数国际和主要的国家排行榜列为最好的高等教育机构之一。 牛津大学培养了许多著名的校友，包括28位英国首相和世界各地的许多国家和政府首脑。截至2019年10月，牛津大学共有72位诺贝尔奖获得者、3位菲尔兹奖获得者和6位图灵奖获得者在牛津大学学习、工作或举办访问学者奖学金，而牛津大学校友则获得了160枚奥运奖牌。牛津大学是众多奖学金的发源地，包括罗兹奖学金(Rhodes Scholarship)，这是最古老的国际研究生奖学金项目之一。

课程安排与收获

• 8周在线小组科研（总课时78小时）
• 网申推荐信
• 学术评估报告
• 项目成绩单
• 论文成果

相关阅读

2022名校科研项目1期发布