本期内容概览：

  • 个体信息理论 | 生命复杂性系列读书会第二期

  • 因果机器学习 | 因果科学与Casual AI读书会第 8 期

  • 书籍领读：网络鲁棒性 | 巴拉巴西网络科学

  • 复杂管理系统的多主体建模与仿真

  • 物理约束下数据驱动的逆问题求解机器学习方法 |Openlab 内部读书会第五期

  • 论文解读：Error and Attack Tolerance of Complex Networks

  • 论文解读：Network robustness and fragility: Percolation on random graphs

  • 产学结合：自然语言处理及其应用-语言模型（二） | 字幕版上线

  • 产学结合：自然语言处理及其应用-文本理解（一） | 字幕版上线

个体信息理论 | 生命复杂性系列读书会第二期




点击文字了解更多课程相关信息

课程概览


本课程中，将基于圣塔菲研究所现任所长、进化生物学家 David Krakauer 等人在2020年3月发表的一篇论文，分享“个体信息理论”的最新研究。


课程背景 

本期分享基于圣塔菲研究所现任所长、进化生物学家 David Krakauer 等人在2020年3月发表的一篇论文。论文中提出了“个体信息理论”，利用信息熵和互信息为个体下定义，并推导出三种独特形式的个体类型。这为刻画个体和环境的关系、定量研究生命系统提供了新的理论依据。


这篇论文的引申结论是，即使没有体细胞等明确物理边界，在合适的观察者和测量下，从分子到文化，一些多层次、高分布的适应性系统，也可以被识别成生命个体。

 课程学习

学习地址：

https://campus.swarma.org/course/2108

或点击“阅读原文”


因果机器学习 | 因果科学与Casual AI读书会第 8 期




点击文字了解更多课程相关信息

课程概览


本课程是“因果科学与Causal AI”读书会将进行第八期的线上论文分享，主题是“因果机器学习”，将由亚利桑那州立大学博士郭若城来进行分享。


课程学习 


学习地址：

https://campus.swarma.org/course/2112

或点击“阅读原文”


书籍领读：网络鲁棒性 | 巴拉巴西网络科学




点击文字了解更多课程相关信息

白楚主讲部分概览


张章主讲部分概览


本课程中，将讲解巴拉巴西网络科学书籍的第七章网络鲁棒性进阶阅读部分。

 课程学习

学习地址：

https://campus.swarma.org/course/2111

或点击“阅读原文”


复杂管理系统的多主体建模与仿真




点击文字了解更多课程相关信息

课程概览


本课程来自中国科学院大学经济与管理学院青年学者论坛（第一期），贺舟老师介绍了如何将多主体建模仿真方法用于复杂管理系统研究，并介绍了决策框架ESTOPT以及基于该框架模拟的新加坡竞争性垃圾处理系统。


课程学习 

学习地址：

https://campus.swarma.org/course/2110

或点击“阅读原文”

物理约束下数据驱动的逆问题求解机器学习方法 |Openlab 内部读书会第五期


点击文字了解更多课程相关信息

课程概览


本课程中，提出了新的方法使得深度学习方法可以数值上满足 PDE 约束。开发了新的算法可以使得数值求解器可以进行自动微分。使得深度学习模型的梯度与 PDE 求解器在同一个框架下运算。



课程学习 

学习地址：

https://campus.swarma.org/course/2109

或点击“阅读原文”

论文解读：Error and Attack Tolerance of Complex Networks




点击文字了解更多课程相关信息

课程概览


本课程中，围绕论文主要介绍无标度网络和随机网络两种网络在随机失效和刻意攻击两种扰动下系统的行为特性，指出网络同质性和异质性特征是系统鲁棒性的主要原因。


Albert, Réka, Hawoong Jeong, and Albert-László Barabási. “Error and attack tolerance of complex networks.” nature 406.6794 (2000): 378-382. https://www.nature.com/articles/35019019


课程学习 

学习地址：

https://campus.swarma.org/course/2125

或点击“阅读原文”

论文解读：Network robustness and fragility: Percolation on random graphs

点击文字了解更多课程相关信息


本文通过引入概率生成函数，对任意度分布的网络的渗流阈值、平均簇大小、度分布和最大连通分量大小给出了详细的推导，并给予了解析解。通过实验仿真与解析解生成的对比，证明了解析解的正确性。此外，也通过仿真实验证明了幂律分布的网络在针对不同攻击中的鲁棒性和脆弱性。


Callaway, Duncan S., et al. “Network robustness and fragility: Percolation on random graphs.” Physical review letters 85.25 (2000): 5468. https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.85.5468


课程学习 

学习地址：

https://campus.swarma.org/course/2124

或点击“阅读原文”

产学结合：自然语言处理及其应用-语言模型（二） | 字幕版上线

点击文字了解更多课程相关信息


BERT（Bidirectional Encoder Representation from Transformer）是 Google AI 于 NAACL2019 提出的一个预训练语言模型。BERT 的创新点是提出了有效的无监督预训练任务，从而使得模型能够从无标注语料中获得通用的语言建模能力。


课程学习 

学习地址：

https://campus.swarma.org/course/1058

或点击“阅读原文”

产学结合：自然语言处理及其应用-语言模型（三） | 字幕版上线

点击文字了解更多课程相关信息



前两节课程，语言模型(一)(二)详细讲解了以 BERT 为核心的预训练模型理论与代码实战，本节课程将聚集于工业界的落地实践，由小米 AI Lab 技术负责人讲解其应用场景、模型效率问题、如何部署以及未来展望。


  • 预训练应用场景：人机对话中的意图分类、相关性计算、对话生成

  • 预训练模型效率：低精度、知识蒸馏、算子优化等

  • 预训练服务化：小米 CloudPretrain 平台/UER 平台

  • 预训练展望：融入知识、文本生成应用等


课程学习 

学习地址：

https://campus.swarma.org/course/1062

或点击“阅读原文”

产学结合：自然语言处理及其应用-文本理解（一） | 字幕版上线

点击文字了解更多课程相关信息


利用自然语言处理技术，让计算机具有文本理解的能力，自动处理海量文本数据，提升文本处理效率和文本挖掘深度，可以有效降低成本。


本课程，重点关注，有哪些技术可以增强计算机的文本理解能力。将介绍机器阅读理解、对话问答为主要场景的文本理解、知识推理的相关技术和模型。


  • 简单：机器问答

  • 中等：阅读理解

  • 困难：知识推理

  • 地狱：对话回复


课程学习 


学习地址：

‍‍https://campus.swarma.org/course/1065

或点击“阅读原文”


集智学园超级VIP开放


如果你是长期关注集智的老朋友，还有另一个好消息告诉你：我们首次对外公开了VIP申请通道。


成为集智VIP，你就是集智自己人了。话不多说，上图：


点击图片，阅读VIP详情






集智学园公众号：swarmAI
集智学园QQ群：426390994
集智学园官网：campus.swarma.org
商务合作&投稿转载｜swarma@swarma.org