大数据时代为传统统计学带来了机遇与挑战，为推动大数据科学的基础研究，国家天元数学西北中心定于2018年9月1日-9月23日在西安交通大学举办大数据统计学暑期学校（第一期）。此次暑期学校将邀请海内外大数据统计学方面的知名专家授课。全国从事相关领域研究的青年教师、博士研究生均可申请参加。具体事项通知如下：
一、计划规模：40人。
二、授课内容：
课 程 1：大样本极限理论与方法及其应用
授课教师：邵启满教授（香港中文大学）、林正炎教授（浙江大学）
课 时：24学时
课程简介：
随机现象蕴含的规律性只有通过大量反复的试验（观察）才能揭示，用数学语言这是一个极限过程。因此极限理论不仅是概率论的主要理论之一，也是数理统计重要的理论基础。本课程将系统综合介绍概率极限理论与方法的基本知识和最新的发展，包括随机变量序列的几种重要的收敛性，也将适当提及随机过程序列的收敛性。同时将介绍常用的概率和矩不等式，自正则化极限理论和斯坦因方法。还将介绍鞅和相依变量的相关理论以及极限定理在统计与大数据和其他相关領域的应用。
课程2：关系型数据上的机器学习
授课教师：王彧弋 研究员（瑞士苏黎世联邦理工大学）
课时：10学时
授课简介：
如今，大量可获取的数据铺就了统计机器学习的成功之路。在解释机器学习可行性的理论中，我们常常假设这些数据是独立同分布的。然而，这一假设其实又常常不被满足，至少验证是十分困难的。换句话说，大部分数据应该是相关的。这一相关性，可能对机器学习是有害的，也有可能是有益的。有害是因为不独立的训练数据往往不能提供最大的信息量；而有利的情况则是数据间的关联性本身可以被用于预测，以提高精度。在这个课程中，我们从理论和算法的角度来说明当面对这一类数据时如何做到趋利避害。
本课程涵盖以下五个方面的内容：网络化数据上的学习理论（涉及统计学习基础以及基础图论知识）、关系数据的边际问题、关系数据的PAC界、基于VC维的关系数据界、熵方法及物理意义。
课 程 3：深度神经网络的学习理论
授课教师：林绍波 研究员（香港城市大学）
课 时：10学时
课程简介：
随着大数据时代的到来，体量巨大、类型复杂与整体价值丰富的大数据给机器学习带来了巨大的挑战。深度学习在应用领域的成功为处理大数据提供了一种应用上行之有效的方法。 相对于传统的浅层学习，深度学习的优点在于模型的表达能力强，能够更好地处理诸如目标和行为识别这种非常复杂的问题，学习到更加复杂的函数关系。该模型在计算机视觉、语音识别、自然语言处理和信息检索等方面都取得了超过以往浅层学习的效果。为探究深度学习取得成功的本质原因，该课程从浅层学习方法的瓶颈、深度神经网络的逼近能力、深度神经网络的学习能力、以及深度学习算法四个角度讲述深度学习为什么会成功、什么时候会比浅层学习好以及如果设计有理论保证的算法等基本理论问题。
该课程共分为四个部分，即浅层学习的理论极限、深度神经网络的逼近能力、深度神经网络的学习能力以及深度学习算法的设计。演讲者将在每一次课聚焦于其中的一个问题进行系统讲解。
三、申请与录取：
1.申请资格：
全国从事相关领域研究的青年教师、博士研究生均可申请参加，西北地区高校优先。
2.报名时间：即日起至2018年6月10日。
3.报名材料：有意参加的青年教师及博士生请填写附件中的《国家天元数学西北中心大数据统计学暑期学校（第一期）申请表》，签字盖章后扫描，并附个人简历，于6月10日前发送到：xbty@xjtu.edu.cn，邮件标题请注明“申请人姓名+单位+大数据统计暑期学校申请”。
4.国家天元数学西北中心将组织专家对申请人材料进行审定，于2018年6月底前邮件通知申请者本人。如届时未接到录取通知即为未入选，不再另行通知。
四、学员待遇：
1. 本次暑期学校申请及参与不收取任何费用。
2. 为学员统一发放教材。
3. 为学员提供餐费补助及住宿(西安地区学员原则上不安排住宿)。
4. 如期完成暑期学校全部课程并通过考核后，发给培训证明。
五、联系方式：
联系人：白老师
办公电话：（029）82665627
邮箱：xbty@xjtu.edu.cn
国家天元数学西北中心
2018年5月23日
