报告题目：Python深度学习编程

报告人： 郑淳元，加州大学圣地亚哥分校统计学研究生

时间：2023年3月20日（周一）14:00—17:00

2023年3月21日（周二）14:00—17:00

地点：良乡数统楼一层111实验室，

腾讯会议同步直播（会议 ID：346-2468-4973）

欢迎感兴趣的本科生、研究生和老师们的前来学习、讨论！

课程提纲: 本课程共包含五次课，授课计划如下：

（1） python编程入门（作为后面课程的基础）：重要基础概念，例如class的使用；重要软件包：numpy等介绍。

python实现机器学习传统算法：sklearn包的基本应用（以Support Vector Machine (SVM), Random Forest (RF)为例）；

（2） —（3）统计因果效应估计机器学习方法：causal-ML和econ-ML的基本应用；深度学习架构：pytorch介绍和一些简单模型（线性回归，前馈神经网络等）的实现；

（4）深度学习研究代码分享：卷积神经网络（Convolutional Neural Networks, CNN）（以convnet和resnet为例）、循环神经网络（Recurrent Neural Networks, RNN)（以RNN和GRU为例）等；

（5）科研经验分享：如何阅读并复现最新计算机文章代码（以深度学习估计因果效应为例，如Tarnet、DESCN、MetaLearner等）。

报告人简介:

郑淳元，加州大学圣地亚哥分校统计学研究生。研究方向为因果推断、因果推荐系统、计算机视觉等。在国际计算机顶级会议ICLR, ICML, WWW等发表论文多篇，在投或已完成文章十余篇。曾在快手用户激励团队实习。