浙江大学吴飞:新一代人工智能:The Next——科教融合,科研育人


全文共2849字,预计学习时长8分钟

吴飞教授向大家介绍了国务院于2017年7月发布的《新一代人工智能国家发展规划》,这是中国政府本世纪以来发布的第一个有关人工智能的国家级规划,规划中特别重视教育的作用,在整个规划当中出现了18次有关“教育”的字眼,分布在战略态势、重点任务和保障措施等条目中。

教育部为了落实国务院新一代的人工智能规划,在2018年4月4日也发布了《高等学校人工智能创新行动计划》,该计划从三个大类、18项重点任务、3个细化专栏对人工智能人才培养和科研创新发展等工作进行了布局。2020年1月,教育部、发改委和财政部为了推动“双一流”高校加快培养人工智能硕士研究生以上的人才,推出了《关于“双一流”建设高校,促进学科融合,加快人工智能领域研究生培养的若干意见》。

刚刚结束的党十九届五中全会审议通过了《关于制定国民经济和社会发展第十四个五年规划和2035年远景目标的建议》,该建议的核心是12个 “十四五”发展的重大任务,“坚持创新驱动发展,全面塑造发展新优势”被列在12个重大任务首位,强调坚持创新在我国现代化建设全局中的核心地位,把科技自立自强作为国家发展的战略支撑。这是国家首次把“科技创新”单列出来,作为“十四五”的规划执行。该建议对人才尤为关心,“人才”这一字眼在规划《建议》中出现了25次,这是因为人力资源是构建新发展格局的重要依托。

接着,吴飞教授介绍了浙江大学人工智能人才培养的相关情况。当前,计算机教育正从“知识本位教育”(Knowledge Based Education)转向“能力本位教育”(CompetencyBased Education),从而实现知和行的统一。

浙江大学于2019年设立图灵班,与全国35所高校开始招收第一批人工智能本科专业学生。在学生培养过程中,树立“厚基础、促交叉、重实践”的教学理念,即要求学生系统了解人工智能的基本概念和基础算法,掌握人工智能脉络体系,体会具能、使能和赋能的手段,从算法层面对人工智能技术“知其意,悟其理,守其则,践其行”。

国家自然科学基金委设置了一个新的学部,叫“交叉学部”,国务院学位办设立了一个新的学科门类,叫做“交叉学科门类”,可以看到这是国家不同的机构正在快速的把以学科交叉融合推动人工智能的人才培养和科研创新积极科研育人的任务。浙江大学在学科交叉方面做了很多工作,吴飞教授针对其中几个典型进行了讲述。

浙江大学人工智能课程课件,内容有: Introduction Problem-solving by search( 4 weeks) Uninformed Search and Informed (Heuristic) Search (1 week) Adversarial Search: Minimax Search, Evaluation Functions, Alpha-Beta Search, Stochastic Search Adversarial Search: Multi-armed bandits, Upper Confidence Bound (UCB),Upper Confidence Bounds on Trees, Monte-Carlo Tree Search(MCTS) Statistical learning and modeling (5 weeks) Probability Theory, Model selection, The curse of Dimensionality, Decision Theory, Information Theory Probability distribution: The Gaussian Distribution, Conditional Gaussian distributions, Marginal Gaussian distributions, Bayes’ theorem for Gaussian variables, Maximum likelihood for the Gaussian, Mixtures of Gaussians, Nonparametric Methods Linear model for regression: Linear basis function models; The Bias-Variance Decomposition Linear model for classification : Basic Concepts; Discriminant Functions (nonprobabilistic methods); Probabilistic Generative Models; Probabilistic Discriminative Models K-means Clustering and GMM & Expectation–Maximization (EM) algorithm, BoostingThe Course Syllabus Deep Learning (4 weeks) Stochastic Gradient Descent, Backpropagation Feedforward Neural Network Convolutional Neural Networks Recurrent Neural Network (LSTM, GRU) Generative adversarial network (GAN) Deep learning in NLP (word2vec), CV (localization) and VQA(cross-media) Reinforcement learning (1 weeks) Reinforcement learning: introduction
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值