各学院、各位研究生：
为拓展研究生海外学术视野，提升国际化学术素养和能力，为后续发展提供更丰富的海外学术经历，研究生院联合国际交流与合作处以寒假线上访学项目的方式，为学生提供世界知名高校高质量的线上实时授课。此次提供的为剑桥大学“在线深度学习”项目。项目将通过选拔，为成绩优秀的研究生提供资助，未获资助的同学亦可自费学习，具体安排如下：
一、选拔对象
1.全日制中国籍在读研究生。
2.遵纪守法、品学兼优，无不良行为记录，无纪律处分记录。
3.英语水平达到以下要求之一：托福≥79、雅思≥6.0、四级≥500/六级≥470、通过英语专四/专八。
二、资助计划
1.项目资助名额上限为11人。鼓励学科交叉方向研究生培养专项入选同学报名参加。
2.获得资助的学生先自行支付课程费用，完成课程学习且考核合格后，凭成绩单获得资助，资助额度为课程费用标准的80%。
三、申请材料
1.《2023年寒假线上访学项目资助申请表》PDF版（附件2），申请人签字可用电子签，文件命名为：学院-姓名-资助申请表。
2.英语水平证明的PDF扫描件，提交满足条件的任意一份即可，文件命名为：学院-姓名-英语水平证明。
3.成绩单的PDF扫描件，使用自助打印机上打印件，或可使用教务系统查询绩点，整屏截图（含姓名和绩点信息）后保存为PDF文件，文件命名为：学院-姓名-成绩单。
以上材料均提交电子版即可，扫描件或拍摄件应清晰、完整、无杂乱背景。
四、选拔流程
1.研究生自愿申请。
2.报名。请有意向报名的研究生于2023年1月3日15点之前将电子版申请材料打包压缩发至2021034@www.ndytng.com，压缩包命名为：项目编号-学院-姓名-学号。
3.遴选。根据学生申请材料，最多初选前20名同学进入面试。同等条件下，学科交叉方向研究生培养专项入选同学优先考虑。
4.面试。主要考察英语听说能力和国际化意识，最终录取面试成绩前11名学生。
5.公示。录取名单将公示不少于5个工作日。
6.获得资助的学生需在项目结束后2周内提交学习报告。
五、注意事项
1.所有申请材料均为必须，注意提交材料的格式和命名规则。
2.提交申请材料后，请保持邮箱、手机等联系方式畅通。
3.研究生需确保自己的学业课程与本项目课程时间不冲突。入选后，应积极完成项目学习，不得中途私自放弃。参加交流项目期间，应自觉遵守交流院校的规定和学校外事纪律。
4.报名咨询：Welink 国际交流与合作处 张晟泽老师。
附件1：项目简介
附件2：《河北工业大学2023年寒假线上访学项目资助申请表》
研究生院
国际合作与交流处
2022年12月27日
附件1：
英国剑桥大学
在线深度学习项目
一、 项目综述
本项目是英国剑桥大学设计的线上远程教学项目，旨在提升学生在深度学习前沿领域的核心知识，掌握主流的工具与技术，并且了解该领域与其它领域之间的关联与发展潜力。
二、 特色与优势
Ø 【顶级的剑桥师资】由剑桥大学计算机系教授兼剑桥人工智能小组成员亲自参与设计与授课；
Ø 【前沿的课程主题】涵盖当今深度学习与机器学习领域的核心理论，并配合大量实践环节，帮助学生掌握最主流的工具与技术；
Ø 【官方品质项目】学生可获权使用剑桥大学官方教学系统Moodle, 并可获得剑桥大学格顿学院的官方成绩单与项目证书。
三、 剑桥大学与格顿学院简介
Ø 创建于1209年的剑桥大学，是英国乃至世界上历史最悠久的大学之一，同时也被公认为是世界上最顶尖的高等教育机构之一，在艺术与人文、数学、物理、工程与技术、医学、法学、商科等诸多领域拥有崇高的学术地位及广泛的影响力；
Ø 2022年Times世界大学综合排名位列第5，计算机科学专业世界排名第4；2022年QS世界大学综合排名位居第3；
Ø 格顿学院成立于1869年，距今已有150多年的历史，是剑桥重要的学院之一，在剑桥所有学院中学生总量排名前十，以活跃、轻松和友善的学习氛围著称。格顿学院提供丰富的本科与研究生课程，领域包括工程、计算机科学、建筑、经济学、历史、地理、人文社科、数学、法律、医学、音乐、国际关系、社会学、语言学等。
四、访学项目介绍
【课程日期】
2023年1月23日 – 2月10日（3周）
【授课模式】
² 项目为期三周，包含总共20个小时直播（约26课时），多数课程预计会安排在北京时间下午至晚间进行；
² 授课形式包括系列专题讲座 + 实践环节（总共10场，每场各2小时）。学生需在项目结束前完成小组项目。
【课程内容】
课程将探讨深度强化学习的最新潜力，侧重于强化学习和深度学习的基础知识（包括卷积神经网络、图形神经网络、生成神经网络和Transformer模型），并将分享机器人和游戏中的实例，从而加强学生对深度学习核心理念的了解，提升相关的研究技能与实用技巧。以下为计划的课程内容（以实际安排为准）：
讲座内容 |
实践内容 |
主题：强化学习导论 l 强化学习的算法和框架；遗传算法，帕累托前沿 l 强化学习与深度学习的联系（Transformers模型、图形神经网络）；强化学习案例分析； l 如何撰写相关文章 |
主题：科学计算工具简介 l Jupyter Notebook的基本使用以及LaTeX； l 强化学习框架中的基本组件； l 小组项目说明 |
主题：环境 l 环境复杂性建模 l 多智能体强化学习（MARL） l Q-Learning以及Actor-Critic模型 l 基于政策的学习； l 马尔可夫决策过程、动态编程和贝尔曼方程； l 强化学习与深度学习的联系 |
主题：环境 l 强化学习框架中的基本组件； l 马尔可夫决策过程； l OpenAI Gym简介 l 小组项目说明 |
主题：优化 l 强化学习与控制优化 l 深度Q网络 l 强化学习与深度学习的联系 l 强化学习案例 l Transformers模型和图像分析集成 |
l Pytork简介；备份图； l 使用马尔可夫决策过程进行优化（动态编程、贝尔曼方程、策略迭代、值迭代） l 项目进展汇报 |
主题：集成与控制 l 机器人与贡献度分配问题 l 冗余度机器人的自适应运动控制 l 多智能体强化学习与机器人 l 强化学习与其他深度学习技巧的整合； |
主题：无模型算法 l 基于价值的算法（蒙特卡罗、时间差分学习、SARSA、Q-learning、DQN及其变体） l 项目进展汇报 |
主题：集成 l 与图形神经网络的集成；关注和信息传递模型； l 与AUTO-ML和ML系统的集成； |
主题：无模型算法 l 基于策略的算法（策略梯度、增强）； l Actor-Critic算法 l 项目进展汇报 |
主题：图神经网络（GNN）与强化学习 l 图示学习与强化学习的关联 |
l 图神经网络练习 l 项目进展汇报 |
主题：监管图神经网络 l 图神经网络与游戏的理论与运用 |
主题：图神经网络练习 l DGL, Spektral, Pytorch l 项目进展汇报 |
主题：无监管图神经网络 l 图神经网络与机器人 |
主题：图神经网络练习 l DGL, Spektral, Geometric Pytorch l 项目进展汇报 |
图神经网络（GNN）与强化学习： |
项目进展汇报 |
l 项目回顾与总结 l 小组项目成果陈述 |
|
【师资介绍】
皮埃特罗·里奥教授（Prof. Pietro Liò）
剑桥大学计算机科学系教授，剑桥大学人工智能专家小组成员，剑桥大学人工智能医学中心成员。个人主要研究兴趣聚焦于开发人工智能和计算生物学模型，以了解疾病的复杂性，并解决个性化和精确医学问题，目前的重点是图形神经网络建模。里奥教授硕士毕业于剑桥大学，后于意大利佛罗伦萨大学工程系获得博士学位（复杂系统与非线性动力学方向）。
【项目考核】
项目学生由剑桥大学进行统一的学术管理与学术考核，顺利完成学习后，学生将获得剑桥大学格顿学院颁发的成绩单与项目证书。
图：剑桥大学项目证书与成绩单样图
【项目费用】
项目总费用 |
人民币7,250元 |
费用包括： |
学杂费，以及项目服务费 |
