招生状态：招生中
课时安排：7周在线小组科研+5周论文辅导，教授全程参与
适合专业
适合计算机科学、人工智能、数据科学、电子与计算机工程等专业，软件工程、自动化等相关专业或者希望掌握强化学习的学生；对人工智能、大数据以及交叉学科和方向感兴趣的学生；
学生需要具备线性代数及概率论与数理统计基础，至少会使用一门编程语言实现神经网络，有过强化学习开发经验的申请者优先。
项目收获
1. 7周在线小组科研学习+5周论文指导学习 共125课时
2. 学术报告
3. 优秀学员获主导师Reference Letter
4. EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导（可用于申请）
5. 结业证书
6. 成绩单
项目介绍
项目内容涉及强化学习核心理论和技能，具体包括遗传算法、强化学习框架、Q-learning、行动者-批评（actor-critic；AC）模型、马尔可夫决策过程、优化控制、图神经网络（graph neural networks; GNN）、自动机器学习（Auto ML）等。学生通过项目了解如何开发基于强化学习的生产力软件，在结束时提交项目个性化研究课题报告，进行成果展示。
个性化研究课题参考：
强化学习在博弈论中的应用：类alpha算法开发
利用经验留存解决强化学习所需样本太多问题的可行性分析
强化学习中的机器奖励设置方法迭代
为强化学习过拟合的特定场景重新建模的自动过程研究
具有精确尺度估计的动作-评价网络结构与强化学习优势函数
项目大纲
强化学习：项目将聚焦遗传算法和强化学习框架
环境：强化学习由智能体和环境两部分构成。项目将探讨离策略、无模型强化学习算法 Q-learning、行动者-批评（actor-critic；AC）模型、马尔可夫决策过程等
优化：项目将深入学习强化学习与优化控制集成与控制
集成：项目将进一步探讨图神经网络、（graph neural networks; GNN）、自动机器学习（Auto ML）等
项目回顾与成果展示
论文辅导
导师介绍
Pietro剑桥大学计算机科学与技术终身正教授
Pietro教授是意大利国家认定Top100科学家，研究兴趣为人工智能图神经网络建模，在国际知名学术期刊发表论文多篇，曾荣获欧盟委员会未来与新兴技术（FET；迄今欧盟规模最大、资助力度最强的科研资助项目之一）会展三等奖。 H-index64被引用次数35,000+。2021年连中三篇计算机顶会ICML，其论文还曾发表在包括世界级学术期刊 《Nature》。
另外，教授还持有欧洲学习和智能系统实验室（Ellis；欧洲大型跨国人工智能研究所，目前拥有千位全球顶尖计算机工程师、数学家和其他领域科学家，旨在重构欧洲人工智能前沿研究）席位、剑桥大学大数据研究指导委员会席位。
【竞赛报名/项目咨询+微信：mollywei007】
