叶梓，上海交通大学计算机专业博士毕业，高级工程师。主研方向：数据挖掘、机器学习、人工智能。历任国内知名上市IT企业的AI技术总监、资深技术专家，市级行业大数据平台技术负责人。
长期负责城市信息化智能平台的建设工作，开展行业数据的智能化应用研发工作，牵头多个省级、市级行业智能化信息系统的建设，主持设计并搭建多个省级、市级行业大数据平台。参与国家级人工智能课题，牵头上海市级人工智能示范应用课题研究。
带领团队在相关行业领域研发多款人工智能创新产品，成功落地多项大数据、人工智能前沿项目，其中信息化智能平台项目曾荣获：“上海市信息技术优秀应用成果奖”。带领团队在参加国际NLP算法大赛，获得Top1%的成绩。参与国家级、省级大数据技术标准的制定，曾获省部级以上的科技创新一等奖。
项目经历：
- 上海市城市信息化人工智能项目 项目负责人
- 研发智能服务系统，包括：元宇宙与虚拟数字人、基于人工智能的内容生成（AIGC）、基于NLP技术的对话系统、基于深度学习的图像识别系统、基于智能推理的行业推荐系统。
相关工作：
作为项目总负责，负责项目管理、产品研发、系统分析、技术指导、算法指导等。
- 上海市城市智能信息化工程 总工程师
- 采用大数据技术，建设市级信息平台，完成试点单位接入并采集居民相关信息，实现市级平台档案等服务，并实现所有单位的全面接入。
- 为解决超量数据的存储与计算的问题，搭建了存储全市数据的云计算平台，并在其上进行了基于大数据的分析和挖掘工作。
相关工作：
作为总工程师，负责技术管理、系统分析、云平台数据存储设计、数据分析与挖掘指导、开发指导。
- 上海市城市信息化领域智能联网工程 技术经理
- 建设内容包括：接入单位的联网；智能卡的实现；城市信息化智能平台的升级；科研平台的扩展与升级；建立决策支持系统；评估体系的展示设计；短信平台的实现；违规操作的提醒；协同智能服务平台的实现等。
相关工作：
作为技术经理负责总体架构设计、接口设计、大数据平台设计、AI技术指导等。
主攻方向
具有扎实的数据挖掘、机器学习、深度学习等人工智能理论基础；了解AIGC等技术前沿动态。
精通机器学习、深度学习的理论、模型、算法、调优等；精通算法设计；
熟悉深度学习在自然语言处理、计算机视觉两大核心领域的实用技巧；
15年以上的程序开发经验，熟悉常用程序开发架构，独立完成多个产品级软件的设计与开发。
授课风采
- 某国家单位强化学习培训
- 中国管理科学研究院合作单位系列课程
- 中国电信云公司上海研发中心
- SONY
强化学习与深度强化学习提纲
前言：
强化学习是当前最热门的研究方向之一，广泛应用于机器人学、电子竞技等领域。本课程系统性的介绍了强化学习（深度强化学习）的基本理论和关键算法，包括：马尔科夫决策过程、动态规划法、蒙特卡罗法、时间差分法、值函数逼近法，策略梯度法等；以及该领域的最新前沿发展，包括：DQN及其变种、信赖域系方法、Actor-Critic类方法、多Agent深度强化学习等；同时也介绍大量的实际案例，包括深度强化学习中最著名的工程应用：Alpha Go。
第一天 强化学习
第一课 强化学习综述
1.强化学习要解决的问题
2.强化学习方法的分类
3.强化学习方法的发展趋势
4.环境搭建实验（Gym，TensorFlow等）
5.Gym环境的基本使用方法
第二课 马尔科夫决策过程
1.基本概念：马尔科夫性、马尔科夫过程、马尔科夫决策过程
2.MDP基本元素:策略、回报、值函数、状态行为值函数
3.贝尔曼方程
4.最优策略
案例：构建机器人找金币和迷宫的环境
第三课 基于模型的动态规划方法
1.动态规划概念介绍
2.策略评估过程介绍
3.策略改进方法介绍
4.策略迭代和值迭代
案例：实现基于模型的强化学习算法
第四课 蒙特卡罗方法
1.蒙特卡罗策略评估
2.蒙特卡罗策略改进
3.基于蒙特卡罗的强化学习
4.同策略和异策略
案例：利用蒙特卡罗方法实现机器人找金币和迷宫
第五课 时序差分方法
1.DP，MC和TD方法比较
2.MC和TD方法偏差与方差平衡
3.同策略TD方法：Sarsa 方法
4.异策略TD方法：Q-learning 方法
案例：Q-learning和Sarsa的实现
第二天 从强化学习到深度强化学习
第一课 基于值函数逼近方法（强化学习）
1.维数灾难与表格型强化学习
2.值函数的参数化表示
3.值函数的估计过程
4.常用的基函数
第二课 基于值函数逼近方法（深度学习与强化学习的结合）
1.简单提一下深度学习
2.深度学习与强化学习的结合
3.DQN 方法介绍
4.DQN变种：Double DQN, Prioritized Replay, Dueling Network
案例：用DQN玩游戏——flappy bird
第三课 策略梯度方法（强化学习）
1.策略梯度方法介绍
2.常见的策略表示
3.常见的减小方差的方法:引入基函数法，修改估计值函数法
案例：利用gym和tensorflow实现小车倒立摆系统等
第四课 Alpha Go（深度学习与强化学习的结合）
1.MCTS
2.策略网络与价值网络
3.Alpha Go的完整架构
第五课 GAN（深度学习）
1.VAE与基本GAN
2.DCGAN
3.WGAN
案例：生成手写数字的GAN
第三天 深度强化学习进阶
第一课 AC类方法-1
1. PG的问题与AC的思路
2. AC类方法的发展历程
3. Actor-Critic基本原理
第二课 AC类方法-2
1. DPG方法
2. DDPG方法
3. A3C方法
案例：AC类方法的案例
第三课 信赖域系方法-1
1.信赖域系方法背景
2.信赖域系方法发展路线图
3.TRPO方法
案例：TRPO方法的案例
第四课 信赖域系方法-2
1.PPO方法
2.DPPO方法简介
3.ACER方法
案例：PPO方法的案例
第五课 多Agent强化学习
1.矩阵博弈
2.纳什均衡
3.多人随机博弈学习
4.完全合作、完全竞争与混合任务
5.MADDPG
案例：MADDPG的案例等
原文链接：https://blog.csdn.net/weixin_44292902/article/details/134830376?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522171851494916800197055102%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=171851494916800197055102&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-23-134830376-null-null.nonecase&utm_term=AI%E7%AE%80%E5%8E%86
