报告时间：2020年8月9日（周日）晚上7点（19点）开始
报告地点：腾讯会议在线报告
会议链接：//meeting.tencent.com/s/xpczkUv1x1RA
会议 ID：243 979 703
系列课程讲座题目5：Towards More Intelligent Informed AI Search
课程讲授人：Chen Shengyuan（加拿大约克大学 教授）
报告摘要： while uninformed AI searches are easy to implement and maintain, more sophisticated problems call for more intelligent searches, such as the international chess problem solved by the IBM using Deep Blue chess-playing computer in 1997, the Go problem solved by Deep Mind's Alpha-Go in 2016, etc. The AI history seems also a history of moving from brutal force algorithm leveraging powerful CPU and GPU speed, towards more intelligent informed algorithms, and eventually arriving at today’s deep learning algorithms. In this seminar, we will study an advanced informed search algorithm and its efficient implementation in Python.
报告人简要： Chen Shengyuan，加拿大约克大学数学与统计系教授。 陈教授于1997年在吉林大学获管理科学学士学位，2004年在英属哥伦比亚大学（UBC）获管理科学硕士学位，2008年毕业于美国西北大学工业工程和管理科学专业，获博士学位。2009年在IBM人工智能研究中心从事博士后研究工作。2010年至今在约克大学数学与统计系工作。陈教授的研究方向为深度学习、优化研究。特别是在不确定情性下的优化（例如：综合风险和决策建模，稀疏网格情景生成等）和深度学习神经网络的大规模优化等方面，作了大量研究工作。在SIAM Journal of Optimization、J. Optimization Theory and Applications、Optimization Method and Software等国际一流期刊上发表了20多篇论文。
