实验室的愿景是应用统计推理、运筹优化和随机分析等来研究机器学习和数据科学的机理和算法, 包括但不限于深度学习、强化学习和概率图模型, 并且运用它们去解决实际问题。我们致力于利用数据的结构信息和数据的随机性质、融合计算思维和统计思维、结合离散和连续的观点来设计和分析求解具有组合结构的数据驱动算法。
由于条件所限,实验室不招收硕士生和本科生科研,但是如果有意愿在北大继续攻读统计学专业博士学位的本科生,欢迎预约当面交流。实验室不能招收数据科学专业的研究生,但我也是计算机科学专业的博士生导师,如果你一旦被北大计算机学院录取为博士生,欢迎来当面交流。欢迎优秀的您加入我们!
实验室每两周主办一次“机器学习与数据科学”博士生线上论坛(除了公共假期)。论坛每次邀请一位博士生就某个前沿课题做较为系统深入的介绍,主题包括但不限于机器学习、高维统计学、运筹优化和理论计算机科学。报告信息请见数学学院官网。
北大教学资源中心开放了我的课程
《应用数学基础》、
《强化学习基础》、
《机器学习导论》、
《统计机器学习》 视频。请参阅
“课程及视频说明”。
《高维概率》课程视频
High-Dimensional Probability (高维概率)
Research Areas
- Machine Learning and AI
- High-Dimensional Statistics and Computation
- High-Dimensional Probability and Theoretical CS
Software or Toolkit
Courses
- Theoretical Machine Learning, Spring 2022/2024
- Theoretical Statistics (数理统计), Fall 2023
- High-Dimensional Probability, Fall 2020 & Fall 2021
- Statistical Thinking (统计思维), Spring 2021
- Theoretical Topics in Machine Learning, Spring 2020
- Reinforcement Learning: Theory and Algorithms, Spring & Fall 2018
- Deep Learning, Spring 2018
- Bayesian Analysis and Compuation, Fall 2017
- An Introduction to Statistical Machine Learning, Spring 2014 (课程视频) (网易云课堂)
- Foundations of Machine Learning, Spring 2014 (课程视频) (网易云课堂)
Lectures and Talks
- The Singular Value Decomposition, Applications, and Beyond (PDF)
- Dirichlet Processes, Dependent Dirichlet
Processes,and Applications in Machine Learning (PDF)
- The Laplace Transform with Applications in
Machine Learning (PDF)
- Randomized Numerical Linear Algebra: Review and Progresses (PDF)
Essays
- 学科建设与人才培养之我见(阅读全文)
- 现代人工智能的本质、途径和方向(阅读全文)
- 关于我国人工智能发展现状的分析和建议 (阅读全文)
- 现代人工智能的本质、技术和途径 (阅读全文)
- 唯思想永恒 ---《人工智能:现代方法》译者代序 (阅读全文)
- 深度强化学习序言:格物致知,知行合一 (阅读全文)
- 概率统计和理论计算机科学的汇合共进 (阅读全文)
- 统计之都访谈--孤峰顶上求大道,红尘浪里取乾坤 (阅读访谈)
- 现代统计学培养体系与路线图 (阅读全文)
- 数学工程---推动数学应用的枢纽 (阅读全文)
- 采菊东篱下悠然见南山---机器学习的实与境 (阅读全文)
- 所造之境必合乎自然---探讨数据科学和人工智能的学科发展 (阅读全文)
- 青山遮不住毕竟东流去 ---《深度学习》译者代序 (阅读全文)
- 关于机器学习的领悟与反思 (阅读全文)
- 机器学习:统计与计算之恋 (阅读全文)
- 教学之感悟 (阅读全文)
(中国计算机学会通讯第11卷第12期)
- COS访谈第十九期 (阅读访谈)
| |
Zhihua ZhangLast modified:
May 18, 2019.