·美國密歇根大學機械工程系聯合培養博士·共發表論文24篇，以作者或通訊作者SCI收錄論文14篇·他引301次（單篇75次），申請發明專利3項，已授權1項·研究方向：人工智能優化設計方法、智能AGV系統、智能制造

Program Introduction課題簡介Python |機器學習|深度學習|人工智能|自動駕駛|車輛工程根據2018年的一份道路報告指出，約80%的道路交通事故是由于人為錯誤導致，為了降低道路事故率，多國近年來一直致力于自動駕駛汽車的研發。或許你會問，自動駕駛就一定安全嗎？答案是‘不”。美國亞利桑那州就曾發生過Uber自動駕駛汽車撞死行人的事故，起因是自動駕駛汽車無法準確檢測和識別路人。為了解決此類安全問題，學界通過數次研究，決定在自動駕中應用深度學習的算法。作為機器學習的核心算法，深度學習使用人工神經網絡來模仿人腦的復雜功能，可以有效克服傳統人工智能方法對于直覺，如模式、語音識別、非結構化信息處理方面的缺陷。例如，當文字以不同書寫形式呈現時，深度學習以外的AI算法很難將其全部識別，而借助神經網絡的深度學習算法卻能輕松將其識別分類。對于自動駕駛而言，深度學習不僅可以檢測到行人的手勢示意、規劃路徑，還能在極端天氣下識別路標路牌，極大程度地提升行車安全性。本課題將以機器學習為出發點，使用簡易的代碼講解機器學習的核心算法（深度神經網絡和深度學習），通過協同通信系統和多層多維調制，在算法學習的基礎上使用增量方法開發包含路經規長

Program Highlights科研要點·Python語言編程學習機器學習、強化學習與Python語言編程的基本概念，學習機器學習主流框架簡介和基于Python語言框架的Virtualenv方案，探究為什么要在無人駕駛中應用機器學習。·深度神經網絡了解神經網絡的靈感來源，和人工神經網絡的模型，學習函數和算法的應用，神經網絡的具體設計以及應用的架構。·卷積神經網絡學習什么是卷積神經網絡架構，卷積神經網絡的特點以及卷積過程分析，通過過擬合和欠擬合的模型進行實踐與分析。Expected Students適合人群·適合對Python有相關基礎的高中生和大學生.適合對深度神經網絡和機器學習有相關基礎的高中生和大學生，希望在該領域深入研究，培養學術思維，提升學術競爭力的學生·有意愿從事科研實踐，產出學術科研報告和論文成果的學生

Instructor Team師資配置· Foreign Professor海外在職終身教授領銜，傳授領域前沿知識與高水準研究方法· Domestic Professor“大學在職教授/副教授領銜，增進專業理解力，補充知識版圖· Teaching Assistant輔助課題答疑、知識鞏固，科研心得與專業知識分享· Writing Instructor論文1M輔導，傳授論文寫作技巧與方法，論文規劃、寫作、投稿、檢素、發表全程指導· Student Coordinator科研項目全程跟進服務，為項目的平穩進行保駕護航