​​　　12月9日上午，佐治亚理工大学霍晓明教授应邀为统计学院师生带来了一场题为“Deep Learning, Data Science,and Algorithm”的线上讲座，本次讲座由统计学院副院长刘小惠主持，统计学院部分教师和研究生参加。

　　讲座中，霍晓明教授简要介绍了深度学习兴起的历史。通过“imagenet”竞赛，大众不断改良算法程序，最终发现神经网络在处理模型时具有非常强的优势，深度学习开始被大众广泛接受。

　　随后，霍晓明教授从几个方面展开此次讲座的核心内容。第一部分为深度学习的应用。他指出，目前深度学习在图像物体识别、人脸自动生成、自动翻译以及文本自动生成等方面应用广泛。同时，由于“open south software”开源软件的利用，让深度学习可以传播到很多不同的应用领域。

　　第二部分霍晓明教授介绍了数据科学的各个方面，以及如何为这个新兴领域的职业生涯做好准备。他以位于深圳的中外研究所（天津大学深圳理工学院）及硕士项目——数据科学硕士项目为例，指出现在无论是公开的论文还是代码基本在深度学习这个领域都是python为主流的，可以说深度学习的开源框架基本都是python接口。

　　最后，霍晓明教授介绍了一些一阶随机方法。一阶方法只涉及梯度，因此它的实现比其他方法更直接。在一阶随机方法中，经常使用方差缩减和镜像下降推广技术来提高其性能。我们通过使用一阶随机方法的特定设计来描述一个项目，利用方差缩减和镜像下降，可以证明结果自动具有隐式正则化性质。基于这一性质，可以为相应的参数估计建立一些高概率精确恢复性质。

　　在讨论互动环节，统计学院师生积极提问，就相关学术问题及现实问题与霍晓明教授开展积极互动，气氛非常活跃。此次霍晓明教授的精彩演讲，完整展示了有关数据科学与深度学习的独特理解，为统计学院师生从事相关研究工作提供了有益示例。

　【延伸阅读】

　　霍晓明教授为江西籍的著名统计学者，佐治亚理工大学H.Milton Stewart工业与系统工程学院讲座教授、数据科学与工程研究所副所长、分析科学硕士项目的副主任。作为IEEE高级会员，IPAM会员，曾代表中国参加德国举行的第30届数学奥林匹克竞赛，并获金奖。主要研究领域为计算金融、图像处理、小波理论、多尺度方法论（multiscale methodology）等。在IEEE Transactions on Information Theory等顶级期刊发表了多篇论文，并有很高的引用率。最近三年连续获得美国国家自然科学基金资助项目。(文/统计学院  曾宇航  图/统计学院曾  宇航  肖芳  编辑/夏蕾  审核/一审 姜莹  二审 赵旻  终审 李大晖)