2024年12月11日至12日，我院荣幸地邀请到四位国内知名学者——中国计量大学曹飞龙教授、浙江海洋大学吴伟志教授、深圳大学王熙照教授及河北师范大学米据生教授，为我院师生带来一系列精彩的专题报告。此次讲学活动由学院赵红教授主持，吸引了众多师生参与，现场气氛热烈。

曹飞龙教授的报告题目为“机器学习浅谈”。他从机器学习的基本概念出发，详细阐述了其作为人工智能核心分支的地位，以及如何通过算法让计算机从数据中学习并做出预测。曹教授回顾了机器学习的发展历程，从早期的算法探索到现代深度学习的重大突破，并系统介绍了机器学习的工作流程，包括数据预处理、特征选择、模型训练与调优等关键环节。他还深入讨论了建模与模型选择的策略，并对未来机器学习的发展提出了前瞻性的见解。

吴伟志教授的报告聚焦于“多尺度多重集值决策系统的最优尺度组合选择与属性约简”。吴教授探讨了多尺度多重集值数据的知识获取问题，内容涵盖广义多尺度多重集值决策系统中相似关系和信息粒的构造方法、最优尺度组合与熵最优尺度组合的定义及其等价性等方面。结合实例和实验结果，吴教授展示了所提算法的有效性和合理性，为多尺度数据分析领域提供了深入见解和实用工具。

王熙照教授的报告题为“大模型推理能力的一些思考”。他指出，近年来兴起的生成式人工智能和大模型正在引发AI领域的革命。自ChatGPT4以来，大模型在许多具体任务上展现了显著的效果，但也暴露了许多问题，如容易出现幻觉、同一查询的输出答案摇摆不定等。王教授围绕大模型缺乏类人的知识推理能力这一问题，分享了他的学习体会和个人思考，引发了在场师生的广泛讨论。

米据生教授的报告题目为“基于信息熵的概念漂移检测方法”。米教授介绍了大数据时代下，随着海量数据的产生，数据底层分布的变化导致原有决策规则失效的现象，即概念漂移。为了确保数据驱动决策的有效性，及时检测漂移至关重要。米教授通过考虑不确定性的新视角，介绍两种可以直接检测所提供信息系统中概念漂移的方法，利用目标概念不确定性作为两个数据块之间差异的统计测量，为相关研究提供了新的思路和方法。

此次系列报告不仅为我院师生提供了宝贵的学习机会，也为推动相关领域的学术交流和发展做出了积极贡献。我们期待未来能有更多的合作与交流，共同促进学术进步。