集智学园系列课程

来自集智百科 - 伊辛模型
跳到导航 跳到搜索

集智学园系列课程依托于集体学园网站(集智学园网站是为科研工作者、高级技术人员量身打造的在线视频服务平台),系列课程内容包括但不限于复杂性科学、复杂网络、多主体模拟、人工智能、机器学习、神经网络、自然语言处理等领域,授课人包括从事复杂系统相关研究的科研人员、在读硕士研究生/博士生、科研创业的第一线、科研爱好者等。

最新上线

集智学园最新系列课程一览表

课程名称 课程简介 授课老师 当前状态 报名途径
网络科学导论 | 网络科学集智课堂第二期 本系列课程,将围绕网络动力学这一前沿的方向,帮助大家构建网络科学学习体系。 陈关荣等 上新中 https://campus.swarma.org/course/2328
巴拉巴西网络科学 本系列课程,全面系统讲解网络科学,帮助大家完成从散点思维到网络思维,直至网络科学思维的跃升。 汪小帆等 上新中 https://campus.swarma.org/course/1754
范畴论入门系列课程(第一季) 本系列课程,尽量从较低的起点出发,在补充具体的数学知识过程中,让大家熟悉范畴化的思维方式,为理解抽象的范畴论概念积累实例。系列课程完成后,学员将能够了解范畴论的基本知识,包括范畴、函子、对偶、极限,并且在代数、拓扑等方面有范畴论角度的理解。 J-CAT 猫圈 上新中 https://campus.swarma.org/course/2723
AnyLogic入门系列课程 本系列课程,介绍了多方法建模仿真软件AnyLogic,通过本教程的学习,大家可以完成简单地铁车站、候车大厅等类型的行人仿真项目,培养大家熟练掌握AnyLogic的信心。 杨老师 上新中 https://campus.swarma.org/course/2835
NetLogo多主体建模入门 本系列课程,通过数个案例教会大家如何去动手搭建一个多主体仿真模型,以及如何利用NetLogo去实现。从生命游戏到人工鸟群,从模拟经济系统到病毒沿网络的传播,通过循序渐进的案例,该课程带你逐步走入NetLogo多主体建模的神奇世界。 张江 已完结 https://campus.swarma.org/course/1095
因果科学与Causal AI 专题 | 集智凯风研读营2020 本系列课程,是集智俱乐部举办的集智凯风研读营的专场录像,由6位研究者分享关于因果科学和 Casual AI 的前沿工作。希望通过大家的分享和讨论,能够让所有人都由浅入深的了解因果推理这个领域和研究内容,并且能对研究工作有所收益。 李奉治等 已完结 https://campus.swarma.org/course/1985
复杂系统自动建模专题 | 集智凯风研读营2020 本系列课程,是集智俱乐部举办的集智凯风研读营活动录像,由张江、臧承熙、王硕等为大家介绍基于复杂系统的自动建模技术。 张江等 已完结 https://campus.swarma.org/course/1985
数学物理方法 本系列课程,是北京师范大学为管理科学专业(非物理类专业)开设的学科基础课,主要内容包括两部分:一是如何将物理问题表述成偏微分方程的定解问题,这实际上是对物理问题进行数学建模,二是如何运用各种偏微分方程求解方法对各类定解问题进行求解。 陈六君 已完结 https://campus.swarma.org/course/2104
人工智能 2020 本系列课程,是北京师范大学系统科学学院张江老师开设的《人工智能》课程回放。 张江 已完结 https://campus.swarma.org/course/1153
复杂网络 2020 本系列课程,为北京师范大学系统科学学院樊瑛老师开设的《复杂网络》课程回放。 樊瑛 已完结 https://campus.swarma.org/course/1159
深度学习原理与PyTorch实战 本系列课程,主要围绕集智俱乐部众包写作的书籍《深度学习原理与 PyTorch 实战》展开,兼具理论与实践,是想要掌握一门深度学习技术不可错过的课程。课程中不仅循序渐进地讲解了PyTorch的基本使用、神经网络的搭建、卷积神经网络和循环神经网络的实现,而且全面深入地介绍了计算机视觉、自然语言处理、迁移学习,以及最新的对抗学习和深度强化学习等前沿技术。 张江 已完结 https://campus.swarma.org/course/956
动力系统分析 本系列课程,主要讲授连续和离散动力系统的定态、极限环及其稳定性分析、动力学系统的结构稳定性和常见的分支类型以及分析方法,混沌概念等。 王大辉 已完结 https://campus.swarma.org/course/1641
圣塔菲课程: Introdution to Complexity 本系列课程,十节课程介绍复杂系统中的主要概念。 Melanie Mitchel等 已完结 https://campus.swarma.org/course/1349
复杂性与临界现象 2020 本系列课程,为北京师范大学系统科学学院陈晓松老师开设的《复杂性与临界现象》课程回放。 陈晓松 已完结 https://campus.swarma.org/course/1131
产学结合:自然语言处理及其应用 本系列课程,讲解自然语言处理的最新学术理论与业界实践,涉及语言模型、机器翻译、情感分析、文本理解、文本生成五大主题。 李嫣然等 已完结 https://campus.swarma.org/course/1056
... ... ... 筹备中 ...

课程详情

网络科学导论 | 网络科学集智课堂第二期

课程简介

本期课程将围绕网络动力学这一前沿的方向,帮助大家构建网络科学学习体系。

讲师介绍

  • 陈关荣 香港城市大学讲座教授, 北京大学长江讲座教授。1981年获广州中山大学计算数学硕士学位,1987年获美国Texas A&M 大学应用数学博士学位,其后在美国Rice和Houston大学任教。自2000年起,他接受香港城市大学讲座教授职位工作至今。陈关荣教授于1997年被选为IEEE Fellow,2008年、2012。年和2016年分别获得国家自然科学二等奖,2011年获俄罗斯圣彼得堡国立大学授予荣誉博士学位和俄罗斯欧拉基金会颁发欧拉金质奖章,2014年获法国诺曼底大学授予荣誉博士学位并当选为欧洲科学院院士,2015年当选为发展中国家科学院院士。长期从事非线性动力系统分析与控制以及复杂网络研究。
  • 项林英 东北大学秦皇岛分校控制工程学院副教授、博导。2008年获得南开大学控制理论与控制工程专业博士学位,2008年11月至2010年10月在香港城市大学从事博士后研究工作,2017年7月至2018年7月在美国加州大学河滨分校访问。主要研究方向为复杂网络同步、控制与优化、网络系统可控性、多智能体系统协同控制。曾获得2019年度河北省自然科学奖一等奖,入选"河北省三三三人才工程"第三层次。
  • 樊瑛 北京师范大学系统科学学院教授、博士生导师。中国系统工程学会副秘书长、常务理事。研究方向为复杂性理论及其在各领域中的应用,目前主要关注复杂网络相关研究,并取得了一系列科研成果。曾获得2009年度教育部新世纪人才、2010年度北京市科学技术奖(三等)以及学校第11届励耘优秀青年教师奖和通鼎研究生教学奖,主讲的《复杂网络分析》课程2019年在中国大学慕课网上线,现已完成2期授课。
  • 史定华 上海大学理学院数学系教授,博士生导师,曾任上海大学数学系运筹学与控制论博士点学科带头人。涉猎过数学科学、统计科学、管理科学、系统科学、生命科学、网络科学、人文科学。发表论文超过100篇,出版学术著作8本,翻译校对学术著作3本。其中有不少论文和著作在学术界产生了重要影响,获省部级自然科学奖5项。1992年起享受国务院颁发的政府特殊津贴,退休后仍主持过国家自然科学基金2项。目前担任《网络科学与工程丛书》副主编,在网络科学方面研究过无标度网络、全齐性网络、自然数网络、家族血缘树等。近年来还在国内外刊物IEEE Circuits and Systems Magazine (2013), Scientific Reports (2016), National Science Review (2014, 2019)上发表过文章。
  • 宣琦 浙江工业大学教授。2008年于浙江大学控制科学与工程学科获得博士学位。主要研究兴趣包括:网络数据挖掘、信号智能、鲁棒人工智能及算法安全。在CCF-A类顶会及多个国际期刊上发表学术论文数十篇。曾赴美国加州大学戴维斯分校、卡内基梅隆大学、香港城市大学从事博士后和访学研究。目前担任中国工业与应用数学学会复杂系统与复杂网络、中国人工智能学会社会计算与社会智能等专委会委员。
  • 李翔 复旦大学特聘教授。1997年毕业于南开大学计算机与系统科学系获学士学位,2002年毕业于南开大学自动化系获博士学位。国家杰出青年科学基金获得者,国家万人计划科技创新领军人才,上海领军人才。主要研究领域为复杂网络科学与集群智能。曾获2005年IEEE电路与系统学会Guillemin-Cauer最佳论文奖、2008年上海市自然科学一等奖、2015年国家自然科学二等奖、上海市第五届十大青年科技英才、中国自动化学会首届青年科学家奖、2019年中国自动化学会TCCT陈翰馥奖等。实验室主页:http://can.fudan.edu.cn 。
  • 李聪 复旦大学信息科学与工程学院电子工程系副研究员,硕士生导师,副系主任。复旦大学精品课程《网络科学导论》负责人。出版合著《复杂网络传播理论-流行的隐秩序》。研究方向为复杂网络的理论及应用,包括:网络描述及性能分析、网络动力学过程分析、网络设计等
  • 荣智海 电子科技大学教授/博士生导师,IEEE和Sigma Xi会员,中国自动化学会高级会员。长期从事复杂网络及演化博弈动力学领域研究,在中国科学、Phys. Rev. E、New J. of Phys.、Automatica、IEEE Tran. on Cybernetics、Chaos、Sci. Rep.等国内外期刊发表50余篇SCI论文(2篇入选ESI高被引论文)。2013年入选香江学者计划,获2015年度国家自然科学二等奖(排名第四),2018年入选四川省学术和技术带头人后备人选,获2018年度英国物理学会出版社(Institute of Physics,IOP)评选的中国高被引作者奖。受邀担任“复杂网络与复杂系统专业委员会”委员和IEEE电路与系统学会“非线性电路与系统”技术委员会委员。
  • 周进 周进,武汉大学数学与统计学院教授,博士生导师。曾获国家自然科学二等奖,教育部自然科学一等奖,湖北省自然科学一等奖,获全国优秀博士论文提名及湖北省优秀博士论文。于2016年第十二届全国复杂网络大会和2021年第十七届中国网络科学论坛受邀做大会报告两次。共发表学术论文43篇,其中第一或通讯作者论文37篇,全部为SCI或EI收录,包括控制学三大期刊IEEE Transactions on Automatic Control、Automatica及SIAM Journal on Control and Optimization。截至2021年4月,据Web of Science 统计,所发表论文引用总计1832次,其中他引1519次,Google引用2326次。
  • 王琳 上海交通大学教授,研究方向为网络化智能系统的分析与控制,发表SCI期刊论文50余篇,获第13届全球智能控制和自动化大会最佳理论论文奖,2020中国电子学会电子信息领域优秀科技论文。现为IFAC大规模复杂系统技术委员会副主席、IEEE 高级会员、上海市自动化学会理事、中国工业与应用数学学会复杂网络与复杂系统专委会秘书长。作为访问学者出访哈佛大学、麻省理工学院、瑞典皇家理工学院、香港城市大学开展合作研究。 个人主页:http://cnc.sjtu.edu.cn/wanglin.html。实验室主页:http://cnc.sjtu.edu.cn/。

教材介绍

书名:网络科学导论

作者:汪小帆、李翔、陈关荣

出版:高等教育出版社,北京,2012年

对各种复杂网络的定量与定性特征的科学理解已成为网络时代科学研究中一个极其重要的挑战性课题,网络科学就是一门正在兴起的面对这一挑战的交叉性学科。

本书是国内第一本网络科学的入门书,内容比较全面、通俗易懂,适合作为研究生和高年级本科生的网络科学教材,也可供自然科学、工程技术科学和社会科学领域的研究人员与学生参考。

本书致力于系统地介绍网络科学的基本概念、思想和方法,使得具有高等数学基础的读者都能够看懂,并具备把网络科学方法用于实际网络分析的能力。为此,本书没有过多地陷入数学和物理推导,而是更为关注网络科学的思维习惯和研究方式。

章节概述

全书分11章。

  • 网络科学的背景与研究意义:第 1 章
  • 网络科学基本概念:第 2 章
  • 网络拓扑性质:第 3-5 章
  • 网络拓扑模型:第 6-8 章
  • 网络动力学:第 9-11 章

第一章“引论”,介绍了网络科学的背景,涉及工程、物理、数学、生物、计算机以至金融经济和社会科学,典型对象包括互联网和万维网、电力与交通网、生物与生态网、经济与金融网、社会与人际关系网等等。文中回顾了网络科学这门交叉学科的形成、发展和现状,并简单介绍了网络科学的研究内容。

第二章“网络与图”,介绍了数学图论的基础知识,包括邻接矩阵、连通性、树结构、二分图和匹配等主要概念。第三章“网络基本拓扑性质”是第二章图论的延续和补充,介绍了节点度分布、路径长度、聚类系数等重要概念和计算公式。这两章书可以作为同一部分内容来学习。

第四章“度相关性与社团结构”,介绍了节点度相关性概念及其计算,进而考察网络中的社团结构及其检验方法,并介绍了其他一些典型有效的社团检测方法及计算程序。第五章“节点重要性与相似性”是第四章的扩展,介绍了各种中心性即网络各种组分的重要性指标和计算公式及算法程序。这两章书可以作为同一部分内容来学习。

第六、七、八章分别建立并分析了三种最基本、最典型的网络模型,即随机网络模型、小世界网络模型、无标度网络模型,并讨论了它们的基本拓扑特征。

第六章“随机网络模型”,介绍了经典数学图论中的随机图和广义随机图模型的建立和特性分析,指出它们具有节点之间的平均距离短和节点聚类系数小的特点、节点度服从泊桑分布,并介绍了作为基础的零模型及其拓扑性质。

第七章“小世界网络模型”,介绍了以小世界社会网络为背景的一类典型的网络模型,它们具有节点之间的平均距离短和节点聚类系数大的特点、节点度近似服从泊桑分布,并介绍了可搜索小世界模型及其算法。

第八章“无标度网络模型”,介绍了以优先连接方式增长的一类网络模型,其节点度服从幂率分布,且分布与网络变量标度无关,并介绍了该模型的一些典型推广。

第九章“网络传播”,介绍了网络科学理论和方法在疾病和信息传播方面的一种典型应用,结合经典的传染病模型,在网络的框架下研究传播的临界值和再生数,以及有效的免疫策略及其实证分析。

第十章“网络博弈”,介绍了经典的二人博弈游戏的思想、策略和分类,然后在网络框架下讨论多人博弈,特别是在小世界和无标度网络模型里的演化博弈以及节点度相关性对演化博弈的影响。

第十一章“网络同步于控制”,介绍了网络科学与系统科学的密切联系,主要讨论了网络上节点动力行为的同步现象和判据,特别是同步能力的分析,以及网络能控制性的指标和判定方法。

报名方式

网络科学导论 | 网络科学集智课堂第二期(swarma.org)

(报名后可以在课程页面看到助教二维码,添加微信入群~)

//

巴拉巴西网络科学

课程介绍

本课程中,我们有幸邀请了汪小帆、赵海兴、许小可、史定华、陈清华、张江、狄增如、陈关荣、樊瑛、刘宗华这十个来自六大不同高校、在网络科学领域耕耘许久的教授作为导师,依据教材框架,各有侧重地为我们共同勾勒出整个学科的美丽图景,展示这个学科的迷人魅力,指引这个学科的灿烂未来。

我们将颠覆传统老师通篇主讲的课堂模式,用一种前所未有的集智课堂形式来解惑答疑,帮助大家完成从散点思维到网络思维,直至网络科学思维的跃升。集智课堂继承集智读书会的一贯传统,给每个学员充分发挥聪明才智、展示个人魅力并赢取丰富奖学金的机会。整本书全部由学员自己申请领读,精通某一知识点的学员可以带领大家进行更深入细化的学习。你也不再是被动的听众。你是参与者,你是实践者,你会体验到真正的沉浸式的学习。

讲师介绍

  • 汪小帆 上海大学副校长,长江学者特聘教授,国家杰出青年科学基金获得者。长期从事网络科学研究,曾出版《网络科学导论》等著作,获得国家级教学成果一等奖和国家自然科学二等奖等荣誉。目前担任中国系统工程学会副理事长、国际自动控制联合会(IFAC)复杂大系统技术委员会主席、NetSci-China主席等学术职务。
  • 赵海兴 教授,博士生导师,现任青海师范大学副校长,陕西师范大学兼职博士生导师,享受国务院政府特殊津贴专家,教育部新世纪优秀人才,教育部“长江学者与创新团队”负责人,青海省“高端创新人才千人计划”杰出人才,中国青年五四奖章获得者,全国模范教师;全国运筹学会常务理事和组合与图论学会理事,青海省党外知识分子联谊会常务理事。主要从事网络科学和信息处理的研究工作。
  • 许小可 大连民族大学教授, 曾为香港理工大学博士后,香港城市大学访问学者。目前为大连民族大学数据科学与大数据技术学科方向学术带头人、民族信息资源挖掘与利用研究所所长。主要研究方向为社交网络上的大数据处理,重点是研究大型社交网络如QQ,阿里旺旺,人人网以及移动手机通话数据集的数据挖掘和机器学习,以及基于网络科学的计算传播学、新冠肺炎防控等。
  • 陈清华 北京师范大学系统科学学院教授,Arizona State University及New England Complexity Systems Institute访问学者。主要从事非平衡系统理论、复杂性研究及相关理论在社会经济系统中的应用研究工作。擅于人类行为的分析建模。当前的重点关注领域是基于要素流动揭示复杂系统实体关系。
  • 史定华 上海大学理学院数学系教授,博士生导师,曾任上海大学数学系运筹学与控制论博士点学科带头人。涉猎过数学科学、统计科学、管理科学、系统科学、生命科学、网络科学、人文科学。发表论文超过100篇,出版学术著作8本,翻译校对学术著作3本。其中有不少论文和著作在学术界产生了重要影响,获省部级自然科学奖5项。1992年起享受国务院颁发的政府特殊津贴,退休后仍主持过国家自然科学基金2项。目前担任《网络科学与工程丛书》副主编,在网络科学方面研究过无标度网络、全齐性网络、自然数网络、家族血缘树等。近年来还在国内外刊物IEEE Circuits and Systems Magazine (2013), Scientific Reports (2016), National Science Review (2014, 2019)上发表过文章。
  • 张江 张江,北京师范大学系统科学学院教授、集智俱乐部创始人、集智学园创始人。研究方向包括复杂网络与机器学习、复杂系统分析与建模、计算社会科学。目前主要的研究课题是复杂系统自动建模。
  • 狄增如 北京师范大学系统科学学院教授,珠海校区复杂系统国际科学中心主任,国际系统与控制科学院院士。研究方向:复杂网络、多主体系统的集体行为、经济和生物系统中的组织和结构的涌现等。现任国务院学位委员会系统科学学科评议组召集人;教育部高等学校教学指导委员会管理科学与工程类专业委员会委员;中国系统工程学会副理事长;中国指挥与控制学会复杂网络专业委员会副主任等。主要研究领域为系统理论与应用、大数据分析、复杂网络及其在复杂系统中的应用等。2016年由于在复杂系统分析、复杂网络等方面的成就获中国系统工程学会第三届系统科学与系统工程科学技术奖理论贡献奖。
  • 陈关荣 香港城市大学讲座教授, 北京大学长江讲座教授。1981年获广州中山大学计算数学硕士学位,1987年获美国Texas A&M 大学应用数学博士学位,其后在美国Rice和Houston大学任教。自2000年起,他接受香港城市大学讲座教授职位工作至今。陈关荣教授于1997年被选为IEEE Fellow,2008年、2012。年和2016年分别获得国家自然科学二等奖,2011年获俄罗斯圣彼得堡国立大学授予荣誉博士学位和俄罗斯欧拉基金会颁发欧拉金质奖章,2014年获法国诺曼底大学授予荣誉博士学位并当选为欧洲科学院院士,2015年当选为发展中国家科学院院士。长期从事非线性动力系统分析与控制以及复杂网络研究。
  • 樊瑛 北京师范大学系统科学学院教授、博士生导师。中国系统工程学会副秘书长、常务理事。研究方向为复杂性理论及其在各领域中的应用,目前主要关注复杂网络相关研究,并取得了一系列科研成果。曾获得2009年度教育部新世纪人才、2010年度北京市科学技术奖(三等)以及学校第11届励耘优秀青年教师奖和通鼎研究生教学奖,主讲的《复杂网络分析》课程2019年在中国大学慕课网上线,现已完成2期授课。
  • 刘宗华 华东师范大学物理与电子科学学院教授,理论物理研究所所长。长期从事混沌动力学与复杂网络等领域的研究工作,致力于用统计物理的方法来研究复杂系统的动力学行为与复杂现象的微观机制,在Phys.Rev.Lett.、Phys.Rep.、Nat. Commun.与Natl. Sci. Rev.等物理学主流期刊发表论文近200篇,其中多篇论文被特别评论与转载,多个理论预言被实验证实。出版专著三部:《混沌动力学基础及其应用》、《复杂系统与复杂网络》与《混沌动力学基础及其在大脑功能方面的应用》。曾获1997年中国工程物理研究院北京研究生部首届科技创新奖、1998年广西壮族自治区教委科技进步一等奖、2017年上海市教学成果奖二等奖及2019年度高等学校科学研究优秀成果奖(科学技术)自然科学奖二等奖。

教材介绍:

书名:《巴拉巴西网络科学》

网络科学的二十年,是波澜壮阔、跌宕起伏、争议不断的二十年,这样的历程,需要一幅画卷来描绘,本书就是这样一幅画卷;这样一门科学,必将走进教科书,本书就是这样一本教科书。

本文的作者是全球复杂网络研究权威、“无标度网络”奠基人艾伯特-拉斯洛·巴拉巴西,他花费5年心血,用丰富的案例和研究成果,结合大量图表和参考文献,将网络科学的专业知识融汇成10大模块,作为一本专业教材,《巴拉巴西网络科学》是网络科学领域研究者、教师、学生的必备佳作;除此之外,本书文笔流畅、通俗易懂,将网络科学的理论与日常生活联系起来,为普通大众了解当今的互联世界提供了一个通道。

《巴拉巴西网络科学》列举了很多生活中的案例,深入浅出,全面而系统地绘制出一幅网络科学领域的知识地图。关于网络,你想知道的一切都能在这本书中找到。

章节概述

  1. 前言开启网络科学之旅,兴起于二十世纪末的网络科学旨在揭示不同复杂网络的共性特征。网络科学的思维方式应该成为一门面向各种不同学科背景学生的通识课。
  2. 第一章图论,图是描述互联网、交通网、通讯网、社团网、大规模集成电路、化学分子等的离散结构和解决问题重要模型,图论是网络科学的理论基础之一,图论中的经典理论和方法在网络分析、控制论、信息论、交通运输、物理化学、计算机、人工智能等领域具有广泛应用前景。
  3. 第二章随机网络,复杂网络既不是完全无序的随机网络,也不是完全有规律的规则网络。跨越经典的随机网络,探索真实网络的复杂性及其来源,是网络科学领域最基础和最重要的任务之一。
  4. 第三章无标度性质,2018年初,Clauset和Barabási 剑拔弩张,各执一词,无标度网络到底是否广泛存在?原来它和幂律分布、80/20法则、Zipf律、自组织临界、分形有着千丝万缕的联系。
  5. 第四章 BA 模型,巴拉巴西及其学生提出的增长和偏好连接是产生网络幂律度分布不可或缺的两个机制。这与许多先辈早期通向幂律之路工作得出的马太效应、富者愈富相一致。基于此,对于演化已经定型的网络,如秀丽隐杆线虫神经网络,除了度分布外或许还有别的重要指标,如高阶圈。
  6. 第五章演化网络,将时间维度引入复杂网络模型会出现什么结果?你会发现,这里诞生了玻色-爱因斯坦凝聚、双曲几何以及异速生长现象。
  7. 第六章度相关性,是否存在刻画网络结构的完备指标集合?答案或许是否定的。但度相关性一定是网络结构指标集合中的重要一员。
  8. 第七章网络鲁棒性,研究发现,各种复杂网络都有自身抗卸攻击能力的阈值:在达到此值之前很鲁棒,之后变得很脆弱;另外有些结构如无标度网络自身同时具有双重特性:抵抗随机攻击很鲁棒但对抗选择性攻击则很脆弱。
  9. 第八章社区,如果将复杂网络看成一个系统,那么社区结构就是系统“中观”尺度性质的表现,能够更好地理解系统结构和功能之间的关系。本章结合实际案例,围绕社区的定义以及对应的社区探测算法来展开,使得读者可以对于网络中的社区结构形成简洁的全景了解。
  10. 第九章传播现象,复杂网络的应用有两个主战场:大脑网络与交通网络。有趣的是,它们俩都与传播密切相关—前者是信息传播、后者是流行病传播。

报名方式

巴拉巴西网络科学 (swarma.org)

(报名后可以在课程页面看到助教二维码,添加微信入群~)

//

范畴论入门系列课程(第一季)

课程介绍

范畴论提供了系统、精确、抽象的跨领域科学方法论。不同知识领域的问题按照特定的范畴来组织,范畴论通过函子来连接不同领域的不同范畴,实现跨领域的研究。函子把源范畴的结构映射到目标范畴。复杂的范畴可能转化到简单的范畴,陌生的范畴可能转化到熟悉的领域中的范畴,抽象的范畴可能转化到易于计算的范畴。

范畴论尽可能地用函子来构造这种跨范畴的联系,构造一个好的函子,把原有领域范畴重要的结构信息,更多地保持到目标范畴中。具体构造时就需要特定领域的知识了。

在范畴论发明前,并没有系统化的跨领域联系的方法论,许多科学的进展都依靠科学家天才的联想能力。比如Galois对群和域这两个范畴的联想,促进了数论和群论的大幅发展。如今在范畴论中这种联想系统化地发展成为了Galois连接。

与自然语言描述为主的科学哲学不同,范畴论是数学领域抽象程度的顶峰,是可以以公式或者其它数学表达方式明确指导具体研究的。学习范畴论,相当于学到了系统、精确、抽象的科学方法论,并可以直接付诸于各领域考察的问题,寻求跨领域的解决之道。

本课程中,尽量从较低的起点出发,在补充具体的数学知识过程中,让大家熟悉范畴化的思维方式,为理解抽象的范畴论概念积累实例。系列课程完成后,学员将能够了解范畴论的基本知识,包括范畴、函子、对偶、极限,并且在代数、拓扑等方面有范畴论角度的理解。

讲师介绍

  • J-CAT 猫圈 :教育法尝试者,同时给小学、中学、大学、研究生、科研人员授课,寻找从基础到前沿的最短路径。研究兴趣包括:范畴论、动力系统、人工智能。

课程大纲

课程暂定为两季。为了适应广大非数学专业爱好者的需要,第一季尽量从较低的起点出发,在补充具体的数学知识过程中,让学员熟悉范畴化的思维方式,为理解抽象的范畴论概念积累实例。第一季完成后,学员将能够了解范畴论的基本知识,包括范畴、函子、对偶、极限,并且在代数、拓扑等方面有范畴论角度的理解。第二季则在前面的基础上,更加侧重用专业的方式展开更高层次的范畴论知识。第二季完成后,学员将能够了解范畴论中的函子范畴、可表函子、伴随函子等较为抽象的概念,并且能够熟悉张量、同调、层等概念的范畴化表述。

完成本课程,可以没有障碍地了解现代代数、拓扑、范畴等领域的许多基本概念,为进一步的学习和结合自我兴趣的研究打下基础。更重要的是可以理解范畴论的思维方式,掌握创新的工具。

通行的范畴论教学方式是面向数学专业高年级本科生、研究所和科研人员的,入手的门槛较高。考虑到范畴论爱好者的起点,我们采用了不一样的教学方案。在第一季中,最初,我们会在集合和线性代数这两个分支中提取类似的问题,用范畴论来给出统一的描述,让学员感受到范畴论的思维方式和抽象能力(第1课)。之后我们会展开讲集合相关的范畴、代数相关的范畴,一边了解范畴论的概念,一边在具体的数学问题中积累例子,同时掌握具体的代数结构,如群、环、模、线性空间等(第2,3,4课)。进而我们会着重谈线性结构中体现的范畴。矩阵是天生具有行列对偶性的数学结构,讨论矩阵可以自然地引出许多范畴论的概念(第5,6,7,8课)。此外我们还会在集合的基础上引出拓扑,并且用范畴的方式介绍如何将拓扑这样的几何问题转化到同调群这样的代数范畴去解决(第9,10,11,12课)。

第一季

  1. 线性代数——范畴的视角
  2. 集合范畴和等价关系
  3. 偏序集范畴
  4. Abel群范畴
  5. 线性空间的范畴化构造
  6. Hom函子
  7. 线性空间的对偶性
  8. 正向极限与逆向极限
  9. 正合
  10. 从集合到拓扑空间
  11. 自由函子
  12. 从几何到代数——同调群的构造

第二季(暂拟)

  1. 张量代数
  2. Abel范畴
  3. 层——函子化地构造几何学
  4. 函子范畴
  5. 可表函子
  6. 伴随函子
  7. 幺半范畴
  8. Kan扩张
  9. Topos
  10. 高阶范畴

报名方式

范畴论入门系列课程(第一季) (swarma.org)

(报名后可以在课程页面看到助教二维码,添加微信入群~)

//

AnyLogic入门系列课程

课程介绍

本课程中,介绍了多方法建模仿真软件AnyLogic,通过本教程的学习,大家可以完成简单地铁车站、候车大厅等类型的行人仿真项目,培养大家熟练掌握AnyLogic的信心。

讲师介绍

  • 杨老师:该讲师为AnyLogic的讲师。北京格瑞纳电子产品有限公司资深工程师,从事系统仿真领域仿真建模开发二十余年。

课程简介

多方法建模仿真软件AnyLogic自2003年进入中国以来,得到了越来越多的客户支持与认可。此软件不仅支持多主体(Agent)仿真建模,可以用于复杂系统;也支持离散事件仿真,可以用于各种生产、物流、业务流程的模拟;还支持系统动力学仿真,主要用于社会、经济等领域,同时还能混合建模。拥有超强的二次开发能力;可以导出为独立运行的模块,支持集成到其他系统中。具有流程库、物料库、流体库、行人库、轨道库、道路交通库,支持社会力模型进行行人仿真,具有丰富的外部数据接口,可以直接读写文本文件、Excel文件、数据库文件,具有GIS模块,超强的建模功能,所以应用领域涉及广泛,包括生产制造、可靠性分析、物流与供应链、交通运输、业务流程、服务系统、行人动态、战场指挥和控制、公共政策、市场博弈等等。

本期课程,我们主要以AnyLogic的行人库为对象,讲解AnyLogic的建模方法和平台特点,初步引入了Agent仿真的概念和操作。通过本教程的学习,大家可以完成简单地铁车站、候车大厅等类型的行人仿真项目,培养大家熟练掌握AnyLogic的信心。对于建模过程中的常见错误,教程做了详细讲解,带您走进AnyLogic仿真的世界。

课程大纲

  1. 简述AnyLogic使用方法
  2. 行人仿真空间逻辑
  3. 多层建筑行人疏散仿真
  4. 轨道交通仿真入门
  5. 简单的车站模型 (上)
  6. 简单的车站模型 (下)

讲授方式

课程通过创建各种小案例的方式,将仿真建模的概念穿插其中,同时通过实际的应用,熟悉熟练AnyLogic的使用方法及应用小技巧,让学习者可以快速上手入门。

AnyLogic入门系列课程 (swarma.org)

//

NetLogo多主体建模入门

课程介绍

你还在为如何入门复杂性科学而苦恼吗?其实,最好的入门手段就是自己亲手在计算机中搭建一个复杂系统。NetLogo就是一个非常好的入门工具,它可以让你通过简单的设置和代码编写就能搭建出一个超酷炫的多主体仿真(模拟)程序。

多主体仿真(模拟)是什么鬼?所谓的主体(Agent)就是指计算机中的一个智能”小机器人“,别误解,它可没那么复杂,它可以是一个懂得花钱买东西的小人儿,可以是一只鸟儿,也可以是一块笨笨的方格。总之,一个主体就是你可以用NetLogo的几行代码指挥的任何一个独立的单元。而所谓的多主体仿真(模拟)就是把一大堆这样的简单的玩意儿凑到一起,而实现一个有趣的功能,可以是一个人工市场,可以是一个活灵活现的鸟群,也可以是一个超级好玩的游戏。总之,多主体仿真(模拟)就是一个利用简单的玩意儿们搭建出来的复杂系统。

什么?你觉得这些太高大上,而你是一个编程菜鸟?没关系,NetLogo就是专门为你这种菜鸟设计的。NetLogo的前身是为乐高机器人开发的Logo语言,其特点就是简单易学,上手飞快。特别是对于没有任何编程经验的初学者来说,NetLogo的语法更像是自然语言(英语)一样,欢快流畅。另外,该软件绿色环保,甚至最新版本可以无需安装而在网页环境下运行。

《NetLogo多主体建模入门》这个课程就是通过数个案例教会大家如何去动手搭建一个多主体仿真模型,以及如何利用NetLogo软件实现这些模型,是一门既有理论又有实操的入门课程。它将会循序渐进地给你介绍如何使用NetLogo软件,如何通过算法来理解数值微分、数值积分,甚至求解微分方程、动力系统。通过学习,你就能搭建一个人工生命的世界,一个人工经济系统,以及一个人工生态系统。通过计算模拟,你还能理解到什么叫做捕食与被捕食的依存关系,病毒如何沿着网络进行传播甚至大爆发,你还能对人类财富不平等的起源拥有全新的洞察。其实,所有这一切真没有那么复杂,无非就是几行NetLogo的代码而已。而所有这些不同领域的知识都可以从玩弄这些代码得到。

讲师介绍

  • 张江:北京师范大学系统科学学院教授、集智俱乐部创始人、集智学园创始人。研究方向包括复杂网络与机器学习、复杂系统分析与建模、计算社会科学。目前主要的研究课题是复杂系统自动建模。

课程大纲

  1. 认识多主体模拟
  2. 认识NetLogo
  3. 用“生命游戏”认识Patch
  4. 从Langton的蚂蚁看Turtle与Patch的交互
  5. 从羊-草生态系统深入Turtle与Plot画图
  6. 玩具经济模型与 Turtles间的互动
  7. 从玩具经济模型学文件导出与复杂曲线绘制
  8. 从玩具经济模型学习如何使用行为空间做实验
  9. 透过人工鸟群Boid模型学习List的使用
  10. 网络上病毒传播的SIR模型 用Links建模网络动力学
  11. 重访羊-草模型与系统动力学建模

报名方式

NetLogo多主体建模入门 (swarma.org)

(报名后可以在课程页面看到助教二维码,添加微信入群~)

//

因果科学与Causal AI 专题 | 集智凯风研读营2020

课程介绍

“集智凯风研读营” 项目是由凯风研读营资助、集智俱乐部发起的学术交流活动。通过特定学术主题,汇聚术业有专攻但又视野广阔的青年学者,举行 5-7 天的封闭式交流营活动。通过深度研读讨论前沿科学研究,共同界定和审视一些新的问题,使得在当前学术体制下,实现跨文化、跨学科、跨领域的学术创新,形成真正具有原创思想能力的学术共同体。

本次主题将定位为“面向复杂系统人工智能研究”,该研读营旨在实现对复杂系统的自动建模,从「复杂系统」的理论出发,借助人工智能的方法和技术,揭开人工智能的黑箱,突破现有人工智能可解释性瓶颈,推动通用、可解释性强的系统在相关应用领域的落地并解决实际问题。

Judea Pearl 认为当下正在进行一场改变数据科学的新革命 --- ”因果革命“。因果革命和以数据为中心的第一次数据科学革命,也就是大数据革命(涉及机器学习,深度学习及其应用,例如Alpha-Go、语音识别、机器翻译、自动驾驶等等 )的不同之处在于,它以科学为中心,涉及从数据到政策、可解释性、机制的泛化,再到一些社会科学中的基础概念归因和公平性, 甚至哲学中的创造性和自由意志 。可以说, 因果革命彻底改变了科学家处理因果问题的方式,形成了一门新学科—因果科学。因果推理和机器学习融合,构建具备果推理能力的 Causal AI 系统,是实现强人工智能的关键步骤。

讲师介绍

  • 李奉治 中国科学院计算技术研究所直博生,主要研究方向为因果推理理论,以及因果在机器学习算法中的工程实践
  • 况琨 况琨,浙江大学计算机科学与技术学院的助理教授,研究方向因果推理、机器学习、数据挖掘。
  • 龚鹤扬 中国科学技术大学统计学在读博士,研究方向为因果推理
  • 郭若城 郭若城,亚利桑那州立大学博士,研究方向为因果推理、机器学习、数据挖掘。
  • 黄碧薇 卡耐基梅隆大学博士。主要研究领域为因果发现,因果关系启发式机器学习,和计算神经科学。
  • 郭启淏 郭启淏,南方科技大学科研助理,从事方向为量子计算的物理实现、基于超导量子电路的量子模拟及量子纠错。

课程大纲

  1. 分享一:因果科学:Do-演算相关算法(李奉治), https://github.com/L-F-Z
  2. 分享二:观测研究中的因果推断(况琨), https://kunkuang.github.io/
  3. 分享三:教会机器因果推理的强人工智能之路(龚鹤扬), https://sites.google.com/view/minituring/
  4. 分享四:因果推断和机器学习的融合(郭若城), https://www.public.asu.edu/~rguo12/
  5. 分享五:基于观测数据的因果发现及因果关系启发式机器学习(黄碧薇), https://biweihuang.com
  6. 分享六:量子因果(郭启淏)

报名方式

因果科学与Causal AI 专题 | 集智凯风研读营2020 (swarma.org)

(如果有问题,可以在课程详情页面找到助教微信,联系助教~)

//

复杂系统自动建模专题 | 集智凯风研读营2020

课程介绍

集智凯风研读营” 项目是由凯风研读营资助、集智俱乐部发起的学术交流活动。通过特定学术主题,汇聚术业有专攻但又视野广阔的青年学者,举行 5-7 天的封闭式交流营活动。通过深度研读讨论前沿科学研究,共同界定和审视一些新的问题,使得在当前学术体制下,实现跨文化、跨学科、跨领域的学术创新,形成真正具有原创思想能力的学术共同体。

本次主题将定位为“面向复杂系统人工智能研究”,该研读营旨在实现对复杂系统的自动建模,从「复杂系统」的理论出发,借助人工智能的方法和技术,揭开人工智能的黑箱,突破现有人工智能可解释性瓶颈,推动通用、可解释性强的系统在相关应用领域的落地并解决实际问题。

近3年来,随着数据量的井喷式增长,计算效率的显著提升,以深度学习为代表的人工智能技术迎来了第三次高潮,许多人工智能的产品应用在生活的方方面面,如人脸识别,机器翻译,语音识别等。但是进一步,人们希望机器可以辅助决策时却发现,以人类的视角没有办法很好的理解机器的决策,这时候就存在人与机器的「信任鸿沟」。我们不敢真正信任机器的决策,这也是人工智能在落地智能金融,无人驾驶等更复杂领域时遇到的问题和瓶颈。

所以为了更好利用机器的智能,理解复杂世界,人们开始寻求新的解释世界的方式:希望可以从「复杂系统」的角度进行突破,借助人工智能的方法和技术,揭开人工智能的黑箱,实现人与机器的真正信任。本次将由张江、臧承熙、王硕为大家介绍基于复杂系统的自动建模技术。

讲师介绍

  • 张江:北京师范大学系统科学学院教授、集智俱乐部创始人、集智学园创始人。研究方向包括复杂网络与机器学习、复杂系统分析与建模、计算社会科学。目前主要的研究课题是复杂系统自动建模。

课程大纲

  1. 分享一:复杂系统自动建模概述与展望(张江)
  2. 分享二:Neural Dynamics on Complex Networks(臧承熙)
  3. 分享三:复杂网络自动建模在大气污染中的应用(王硕)
  4. 分享四:标准化流技术简介(刘晶)
  5. 分享五:神经网络归因(许菁)
  6. 分享六:Gradient-Based Neural DAG Learning(李垚鑫)
  7. 分享七:Relational State-Space Model for Stochastic Multi-Object Systems(黄龙吉)
  8. 分享八:Scalable Gradients for Stochastic Differential Equations(杜伟韬)
  9. 分享九:一个基于深度学习的通用网络重构和动力学学习方法(张章)
  10. 分享十:基于深度学习的轨迹数据挖掘(姚迪)
  11. 分享十一:Gumbel-softmax-based Optimization:A Simple General Framework for Optimization Problems on Graphs(李垚鑫)
  12. 分享十二:Temporal attention recurrent graph neural network(陈昱中)
  13. 分享十三:Wide neural networks and its tangent kernel(杜伟韬)
  14. 分享十四:对复杂系统连续变化自动建模——Neural Ordinary Differential Equations解读(张江)
  15. 分享十五:图上的连续标准化流技术:Graph Continuous Flow(张章)

报名方式

复杂系统自动建模专题 | 集智凯风研读营2020 (swarma.org)

(如果有问题,可以在课程详情页面找到助教微信,联系助教~)

//

数学物理方法

课程介绍

数学物理方法主要介绍了如何应用数学方法求解物理问题。本课程既是一门数学课程,又是一门物理课程,主要内容包括两部分:一是如何将物理问题表述成偏微分方程的定解问题,这实际上是对物理问题进行数学建模,二是如何运用各种偏微分方程求解方法对各类定解问题进行求解。

本课程是为管理科学专业(非物理类专业)开设的学科基础课,因此,课程重点不在于物理问题本身,而在于展示如何将具体问题归结为数学问题并进行求解的清晰图像,为其他系统的研究提供基本思路和方法支持。结合学生的实际情况,本课程补充了高等数学中常微分方程求解和傅里叶级数的内容。

讲师介绍

  • 陈六君:北京师范大学副教授。目前研究兴趣:复杂系统理论、行为经济学、中国姓氏分布研究等。

课程大纲

引子 课程介绍

第一章 常微分方程

1.1 常系数齐次线性微分方程

1.2 常系数非齐次线性微分方程

1.3 变系数线性微分方程

教学内容及要求:掌握常系数齐次微分方程的基本解法;掌握常系数非齐次线性微分方程的特解法,了解常数变易法;掌握欧拉方程的解法;掌握一般变系数线性微分方程在常点邻域内的级数解法。

第二章 傅里叶级数

2.1 傅里叶级数

2.2 傅里叶变换

2.3 delta函数

教学内容及要求:掌握周期函数的傅里叶级数展开;理解函数组正交的基本概念;了解非周期函数的傅里叶变换的基本概念和算法;了解δ函数的定义和性质。

第三章 定解问题的导出

3.1 数学物理方程的导出

3.2 定解条件

教学内容及要求:掌握将物理问题表述成数学方程的一般步骤:能针对具体的波动问题、输运问题和稳定场问题写出相应的数学物理方程;能直接写出第一类边界条件和第二类边界条件。

第四章 直角坐标下的分离变量法

4.1 分离变量法

4.2 分离变量法的应用

4.3 非齐次方程的求解

4.4 非齐次边界条件的处理

教学内容及要求:掌握分离变量法求解齐次方程齐次边界条件的定解问题的解题步骤:能写出特定本征值问题的解;能求解一维或二维区域上的波动方程或输运方程在第一、二类齐次边界条件下的定解问题;能求解直角坐标的二维拉普拉斯方程的定解问题。掌握非齐次方程的傅里叶级数解法;了解非齐次边界条件齐次化的一般处理方法;了解某些定解问题的特解法。

第五章 极坐标和球坐标下的分离变量法

5.1 极坐标系下的分离变量法

5.2 拉普拉斯方程的分离变量

5.3 拉普拉斯方程的轴对称定解问题

5.4 施图姆-刘维尔本征值问题

教学内容及要求:掌握极坐标和球坐标系下拉普拉斯方程分离变量的方法;能求解极坐标的二维拉普拉斯方程的定解问题;掌握应用常点邻域内的级数解法求解勒让德方程,在此基础上理解级数截断为多项式的方法;掌握施图姆-刘维尔本征值问题的结论并能使用;掌握广义傅里叶级数的概念。

结束 课程总结

报名方式

北京师范大学陈六君:数学物理方法 (swarma.org)

(如果有问题,可以在课程详情页面找到助教微信,联系助教~)

//

人工智能 2020

课程介绍

本课程为北京师范大学系统科学学院张江教授开设的研究生课程《人工智能》课程回放。课程偏重理论,辅以编程实践,将粗粒度的梳理人工智能重要的理念、算法、模型。前面会包含一些人工智能之前的理论计算机模型,图灵机等,后面系统从两方面讲解,一是符号派的人工智能,包括搜索、推理、表示等;二是连接派的人工智能,机器学习,强调理论机器学习基础。

讲师介绍

  • 张江:北京师范大学系统科学学院教授、集智俱乐部创始人、集智学园创始人。研究方向包括复杂网络与机器学习、复杂系统分析与建模、计算社会科学。目前主要的研究课题是复杂系统自动建模。

课程内容

  1. 人工智能历史
  2. 图灵机
  3. 问题解决(Problem Solving)
  4. 启发式搜索(Heuristic Search)
  5. 命题逻辑(Propositional Logic)
  6. 一阶谓词逻辑(First order Logic)
  7. 机器学习简介
  8. 监督式学习(一):回归
  9. 监督式学习(二):分类
  10. 监督式学习(三):KNN 和决策树
  11. 神经网络(Neural Network)
  12. 非监督式学习(Unsupervised learning)
  13. 表示学习(Representation Learning)
  14. 概率图模型(Probabilistic Graphical Models)
  15. 从变分推断到 VAE

报名方式

人工智能 2020 (swarma.org)

(如果有问题,可以在课程详情页面找到助教微信,联系助教~)

//

复杂网络 2020

课程介绍

本课程为北京师范大学系统科学学院樊瑛教授开设的本科生课程《复杂网络》课程回放。课程主要介绍复杂网络的基本知识及应用。

讲师介绍

  • 樊瑛:北京师范大学系统科学学院教授、博士生导师。中国系统工程学会副秘书长、常务理事。研究方向为复杂性理论及其在各领域中的应用,目前主要关注复杂网络相关研究,并取得了一系列科研成果。曾获得2009年度教育部新世纪人才、2010年度北京市科学技术奖(三等)以及学校第11届励耘优秀青年教师奖和通鼎研究生教学奖,主讲的《复杂网络分析》课程2019年在中国大学慕课网上线,现已完成2期授课。

课程大纲

  1. 复杂网络简介
  2. 复杂网络的基本模型
  3. 复杂网络的统计性质
  4. 复杂网络中的社团结构
  5. 加权网络
  6. 复杂网络的机制和演化模型
  7. 网络上的动力学
  8. 二分网络

报名方式

复杂网络 2020 (swarma.org)

(如果有问题,可以在课程详情页面找到助教微信,联系助教~)

//

产学结合:自然语言处理及其应用

课程介绍

自然语言处理,是指用计算机对自然语言的形、音、义等信息进行处理,即对字、词、句、篇章的输入、输出、识别、 分析、理解、生成等的操作和加工。实现人机间的信息交流,是人工智能、计算机科学和语言学所共同关注的重要问题。 自然语言处理的具体表现形式包括机器翻译、文本摘要、文本分类、文本校对、信息抽取、语音合成、语音识别等。

从 2008 年到现在,在图像识别和语音识别领域的成果激励下,人们也逐渐开始引入深度学习来做自然语言处理研究,由最初的词向量到 2013 年的 Word2vec,将深度学习与自然语言处理的结合推向了高潮,并在机器翻译、问答系统、阅读理解等领域取得了一定成功。 RNN 已经是自然语言处理最常用的方法之一,GRU、LSTM 等模型相继引发了 一轮又一轮的热潮。2016年集智举办的自然语言处理与深度学习读书会,全面介绍当时最新的自然语言处理与深度学习的前沿知识,作为自然语言处理的入门级课程。

近年自然语言处理在词向量(Word Embedding)表示、文本的 Encoder 和 Decoder 技术以及大规模预训练模型(pre-trained)上的方法极大地促进了自然语言处理的研究。

联合学术界和工业界,追踪最新进展与落地实践,由李嫣然、尹相志、小米科技相关技术负责人崔建伟和魏晨、彩云科技NLP算法工程师侯月源,合力打造了 12 节课程,涉及语言模型、机器翻译、情感分析、文本理解、文本生成五大主题。

讲师介绍

  • 李嫣然 香港理工大学在读博士生,集智科学家社群成员,著名公众号:程序媛的日常 的运营者之一,人称小S。研究方向为自然语言处理中的语义表达和语言生成,致力于利用深度学习、认知科学等相关领域的方法和成果探究人类语言习得和语言表达的奥秘。
  • 侯月源 彩云科技NLP算法工程师,集智俱乐部志愿者。
  • 崔建伟 小米人工智能部AI实验室NLP应用组负责人,负责开放域对话、机器翻译、预训练平台等NLP应用技术的研发,以及落地到小爱同学、小爱老师等公司业务。
  • 尹相志 中国首届人工智能大赛发起人与题目设计,前华院数据(上海)首席数据科学家,数据决策(台湾)技术长,台湾微软特约讲师与2006~2017年最有价值专家(MVP),微软Tech ED 2002, 2004~2015讲师 专长:自然语言理解、人工智能算法开发、数据挖掘、商业智慧、分析型CRM、风险管理、数据仓库
  • 魏晨 2019年4月加入小米小爱同学,曾任图灵机器人认知计算负责人,曾工作在新加坡国防部项目。研究兴趣主要是NLP,KG 和 SDS。

课程大纲

  1. 语言模型(一)
  2. 语言模型(二)
  3. 机器翻译(一)
  4. 机器翻译(二)
  5. 机器翻译(三)
  6. 语言模型(三)
  7. 情感分析(一)
  8. 情感分析(二)
  9. 文本理解(一)
  10. 文本理解(二)
  11. 知识图谱
  12. 文本生成

报名方式

产学结合:自然语言处理及其应用(swarma.org)

(报名后可以在课程页面看到助教二维码,添加微信入群~)

//

深度学习原理与PyTorch实战

课程介绍

本系列课程主要围绕集智俱乐部众包写作的书籍《深度学习原理与 PyTorch 实战》展开。书籍内容来源于张江老师在“集智学园”开设的网络课程——“火炬上的深度学习”「计算机视觉篇」「自然语言处理篇」,经各位成员的精心整理和不断完善,最终成书。希望能进一步推广PyTorch,让更多人有机会掌握人工智能和深度学习等新技术,进入人工智能这个发展迅猛的行业,共享人工智能带来的发展红利。

Pytorch 是由 Facebook 支持的一套深度学习开源框架,相比较 Tensorflow,它更易上手,所以一经推出就广受欢迎。本系列课程是采用 Pytorch 开源框架进行案例讲解的深度学习课程。每节课围绕一个有意思的实战案例展开,不仅循序渐进地讲解了PyTorch的基本使用、神经网络的搭建、卷积神经网络和循环神经网络的实现,而且全面深入地介绍了计算机视觉、自然语言处理、迁移学习,以及最新的对抗学习和深度强化学习等前沿技术。同学们可以通过亲自动手实践,轻松入门深度学习,学会构造一个图像识别器,生成逼真的图画,让机器理解单词与文本,让机器作曲,教会机器玩游戏,还可以实现一个简单的机器翻译系统。

讲师介绍

  • 张江:张江,北京师范大学系统科学学院教授、集智俱乐部创始人、集智学园创始人。研究方向包括复杂网络与机器学习、复杂系统分析与建模、计算社会科学。目前主要的研究课题是复杂系统自动建模。

课程大纲

本课程的内容包括:

  1. 深度学习与 PyTorch
  2. 单车预测器——你的第一个神经网络
  3. 机器也懂感情——中文情绪分类器
  4. 手写数字识别器——卷积神经网络
  5. 迁移学习与图像风格迁移
  6. 人工智能造假术——图像生成与对抗学习
  7. 词汇的星空——词向量与Word2Vec
  8. LSTM作曲机——序列生成模型
  9. 神经翻译机——端到端的机器翻译模型
  10. AI游戏高手——深度强化学习

报名方式

深度学习原理与PyTorch实战 (swarma.org)

(报名后可以在课程页面看到助教二维码,添加微信入群~)

//

动力系统分析

课程介绍

复杂系统研究中,自顶向下的动力学分析方法是探索复杂性的重要方法。本课程主要讲授连续和离散动力系统的定态、极限环及其稳定性分析、动力学系统的结构稳定性和常见的分支类型以及分析方法,混沌概念等。

本课程是系统科学专业的学位基础课,是系统科学博士研究生培养的基础课程。主要培养硕士、博士研究生从动力学演化角度观察世界的能力,并可以分析具体的动力学系统,能够分析研究对象中随时间变化的状态变量以及变量之间的关系,建立动力学方程并进行定性和定量的分析,是非线性系统控制、控制理论、复杂系统建模与分析以及系统生物学等专业课的理论基础,应用领域涉及国防、科技、经济、工业和农业的各个方面。

讲师介绍

  • 王大辉 北京师范大学系统科学学院教授,博士生导师,博士毕业于北京师范大学系统科学。专注于工作记忆容量、决策的神经动力学集智,神经系统的动力学行为,以及类脑智能算法的研究。研究方向:计算神经科学与类脑智能算法研究。个人页面:https://sss.bnu.edu.cn/tabid/246/ArticleID/2392/frtid/128/Default.aspx

课程大纲

  1. 动力系统分析引言
  2. 动力系统的定义
  3. 随机动力系统与动力系统解的性质
  4. 动力系统局部的几何性质
  5. 动力系统的渐近行为
  6. 动力系统稳定性初步
  7. 动力系统基本概念总结
  8. 平面动力系统
  9. 结构稳定性与中心流形
  10. 规范形的概念与计算
  11. 常见的局部分支类型
  12. 全局分支
  13. Smale 马蹄映射
  14. 一般符号动力系统
  15. 混沌系统
  16. Lorenz Equation 分析
  17. 复习

报名方式

北京师范大学王大辉:动力系统分析(研究生) (swarma.org)

(如果有问题,可以在课程详情页面找到助教微信,联系助教~)

//

圣塔菲课程: Introdution to Complexity

课程介绍

本课程是对复杂性科学的一个概览,包含 10 个章节,每节都会涵盖复杂系统的一个主要概念。具体内容可见课程大纲。

讲师介绍

  • Melanie Mitchel Professor of Computer Science at Portland State University, and External Professor and Member of the Science Board at the Santa Fe Institute. Author or editor of five books and over 80 scholarly papers in the fields of artificial intelligence, cognitive science, and complex systems.
  • Santa Fe Santa Fe Instructor
  • Elizabeth Bradley Santa Fe Science Board, External Professor. Professor of Computer Science, University of Colorado. Her research interests include nonlinear dynamics, artificial intelligence, and control theory.
  • John Rundle Professor of Physics and Earth and Planetary Science, UCD. External Professor, The Santa Fe Institute, Santa Fe, NM.Interest in the development of methods for earthquake forecasting based on studies of chaos and complexity in driven nonlinear systems, as well as on the use of realistic, large scale numerical simulations. More recently, he has developed an interest in viewing crashes in economic and financial systems as a kind of .Econoquake. that might be understood by analogy to earthquakes and other first order (nucleation) phase transitions. Personal Website: http://rundle.physics.ucdavis.edu
  • Jim Crutchfield Professor of Physics at the University of California, Davis, where he directs a new research and graduate program at the Complexity Sciences Center. Prior to this he was Research Professor at the Santa Fe Institute for many years, where he directed the Dynamics of Learning Group and SFI’s Network Dynamics Program. His current research interests center on computational mechanics, the physics of complexity, statistical inference for nonlinear processes, genetic algorithms, evolutionary theory, machine learning, quantum dynamics, and distributed intelligence. He has published over 140 papers in these areas, most are available from his website: csc.ucdavis.edu/∼chaos.
  • Stephanie Forrest Professor in CIDSE and Center Director in the Biodesign Institute. She is a computer scientist who studies the biology of computation and computation in biology, including biological modeling of immunological processes and evolutionary diseases, cybersecurity, software engineering, and evolutionary computation and an External Professor and Science Board member at the Santa Fe Institute. Professor Forrest is a member of the Adaptive Computation Group at UNM, where she studies adaptive systems, including genetic algorithms, computational immunology, biological modeling, and computer security. She is also a member of the Program in Interdisciplinary Biological & Biomedical Science (PIBBS) and the Center for Evolutionary and Theoretical Immunology (CETI).
  • David Krakauer President and William H. Miller Professor of Complex Systems. David’s research focuses on the evolutionary history of information processing mechanisms in biology and culture. This includes genetic, neural, linguistic and cultural mechanisms. The research spans multiple levels of organization, seeking analogous patterns and principles in genetics, cell biology, microbiology and in organismal behavior and society. At the cellular level David has been interested in molecular processes, which rely on volatile, error-prone, asynchronous, mechanisms, which can be used as a basis for decision making and patterning. David also investigates how signaling interactions at higher levels, including microbial and organismal, are used to coordinate complex life cycles and social systems, and under what conditions we observe the emergence of proto-grammars. Much of this work is motivated by the search for 'noisy-design' principles in biology and culture emerging through evolutionary dynamics that span hierarchical structures.
  • W. Brian Arthur 复杂性科学先驱、著名经济学家
  • Mark Newman Research on statistical physics and the theory of complex systems, with a primary focus on networked systems, including social, biological, and computer networks, which are studied using a combination of empirical methods, analysis, and computer simulation. Among other topics, he and his collaborators have worked on mathematical models of network structure, computer algorithms for analyzing network data, and applications of network theory to a wide variety of specific problems, including the spread of disease through human populations and the spread of computer viruses among computers, the patterns of collaboration of scientists and business-people, citation networks of scientific articles and law cases, network navigation algorithms and the design of distributed databases, and the robustness of networks to the failure of their nodes.
  • Geoffrey West 英国理论物理学家,城市科学的顶尖学者,圣塔菲研究所杰出教授和前任所长 数十年致力于“规模”的研究工作,其研究成果被应用在理解生命体、城市可持续发展、企业运营等众多领域
  • Luis Bettencourt Professor of Ecology and Evolution at the University of Chicago and External Professor of Complex Systems at the Santa Fe Institute. He has worked extensively on complex systems theory and on cities and urbanization, in particular. His research emphasizes the creation of new interdisciplinary synthesis to describe cities in quantitative and predictive ways, informed by classical theory from various disciplines and the growing availability of empirical data worldwide.

课程大纲

  1. What is Complexity?
  2. Dynamics and Chaos
  3. Fractals
  4. Information, Order and Randomness
  5. Genetic Algorithms
  6. Cellular Automata
  7. Models of Biological Self-Organization
  8. Models of Cooperation in Social Systems
  9. Networks
  10. Scaling in Biology and Society

报名方式

圣塔菲课程: Introdution to Complexity (swarma.org)

(如果有问题,可以在课程详情页面找到助教微信,联系助教~)

//

复杂性与临界现象 2020

课程介绍

本课程为北京师范大学系统科学学院陈晓松教授开设的研究生课程《复杂性与临界现象》课程回放。

讲师介绍

  • 陈晓松 北京师范大学系统科学学院教授,院长。从事统计物理与复杂系统研究,尤其关注复杂系统的相变与临界现象。研究方向包括复杂系统的统计物理、相变与临界现象、气候系统的统计物理等。个人页面:https://sss.bnu.edu.cn/tabid/47/ArticleID/2313/frtid/48/Default.aspx。

课程大纲

  1. 复杂系统与复杂性简介
  2. 统计系统理论
  3. 平衡态系统临界现象
  4. 非平衡与复杂系统临界现象

报名方式

复杂性与临界现象 2020 (swarma.org)

(如果有问题,可以在课程详情页面找到助教微信,联系助教~)

... ...

课程列表

基础与通识

免费课程

收费课程

复杂系统

免费课程

收费课程

网络科学

免费课程


收费课程

计算社会

免费课程


收费课程

人工智能

免费课程

收费课程

读书会

集智俱乐部读书会 - 集智百科 (swarma.org)-报名详情页面转跳)

收费课程

更多课程请到集智学园官网学习:https://campus.swarma.org/