https://www.wenjuan.com/s/UZBZJvI7N6/
硕士生🫶、博士生：https://www.wenjuan.com/s/veMvmuD/
青年学者😟：https://www.wenjuan.com/s/7rem2yr/
三、报名流程
1、材料递交：前往杏鑫官方网站✷，按照申请材料1-3的顺序将申请材料打包上传至邮箱sds_school@fudan.edu.cn。注意：邮件主题🫶🏿、文件名格式👨🏻🦯：暑期学校-本科生/研究生/博士生/青年学者-申请人姓名🧜🏻♂️。
2↖️、报名截止时间：6月17日
暑期学校录取情况将于6月20日左右邮件通知
申请人必须确保提供的信息和材料真实、准确🧠。若发现申请人有弄虚作假行为👨🏽，取消其申请资格并通报申请人所在院校或单位。
四、课程安排
l上课时间：7月5日-7月16日 全天（双休日不上课）
l上课形式🔡：在线
l结业说明☔️🫵：
上课期间将进行线上考勤👨🏼🎤，通过考勤并完成作业的学生将获得结业证。
五👩🏼🔧、联系方式
邮箱🦨：sds_school@fudan.edu.cn
联系人🤒：季老师 021-65641221
六、部分师资介绍
耿直
现任北京大学数学科学杏鑫教授💇🏼，任北京生物医学统计与数据管理研究会理事长。近5年，主持或参加国家自然科学基金面上项目2项💆🏼♂️🤹🏽♀️，参加国家高技术研究发展计划（863计划）资助项目1项🛩，参加科技部973项目1项，参加国家自然科学基金委重大研究计划1项。
苗旺
现为北京大学概率统计系助理教授，2008-2017年在北京大学数学科学杏鑫读本科和博士🤸🏼♀️👨🏭，2017-2018年在哈佛大学生物统计系做博士后研究☘️，2018年入职北京大学🐶。苗旺的研究兴趣包括因果推断，缺失数据分析，半参数统计🧄，及其在生物统计，流行病学，经济学和人工智能研究中的应用。
授课主题👨🏻🦳：因果推断Causal Inference
一🤦🏿、混杂因素、替代指标🌁、因果网络
课程将介绍两个因果推断模型：潜在结果模型和因果网络模型🦻🏼。因果推断关键问题之一是消除混杂因素引起的混杂偏倚，将介绍混杂因素的定义准则和判断准则、替代指标的准则❇️、各种直接因果作用🌁、间接因果作用。探讨因果网络的结构学习方法👩🏻🔧，以及将因果网络与因果作用结合的因果推断方法。
二、因果推断方法与非随机缺失数据分析
将介绍生物统计，流行病学等观察性研究中处理混杂因素和非随机缺失数据的最新进展🤌🏻，以及其在大数据和人工智能中的应用✍️。包括识别性理论和稳健估计方法👰🏽♂️，在识别性方面🧑🏼🍼，将介绍阴性对照，合成对照🦝，影子变量等方法🧑🏽💻，在稳健估计方面，将介绍因果推断和缺失数据分析中的半参数统计理论和双稳健估计方法🛀🏻。
印卧涛
阿里巴巴（美国）达摩院研究员，任机器智能方向-决策智能实验室主任，致力于MindOpt优化求解器的开发以及可解释AI技术和深度表征技术的研发。加入达摩院之前🙎🏻♀️，于2001年获得南京大学数学与应用数学学士学位🍨，并于2006年获得Columbia U运筹学博士学位。印博士曾是Rice大学助理教授、副教授，UCLA终身教授，在分布式计算、优化算法、机器学习、图像处理的理论和应用方面取得了系统性的创新成果🎺。曾获Sloan研究奖、晨星应用数学金奖以及多个最佳论文奖。
授课主题：单调算子视角下的大规模凸优化
在大数据和大算力背景下，大规模优化方法已经成为一类主流优化方法👨🏽✈️。许多新颖的大规模优化方法可以通过极少的单调算子抽象概念去进行统一的推导和分析。该暑假课程将通过介绍少数的单调算子技术，帮助学员快速地理解和掌握多个一阶优化方法🤵，其中包括针对大规模优化问题的并行、分布式、无中心化优化方法。在最后一讲中，我们将使用Python代码在多核PC平台上进行实操体验。
课程将基于教科书 https://large-scale-book.mathopt.com/LSCOMO.pdf 的部分章节。由于课程时间限制🧚🏿♂️，不具备凸优化基础知识的学员需阅读第一章，并参考Boyd & Vandenberghe的《Convex Optimization》的前四章👨🏼🍳。
张立卫
大连理工大学数学科学杏鑫运筹学与控制论业博士生指导教师，金融数学与保险精算专业博士生指导教师。
目前的研究兴趣是“矩阵优化”，“随机规划”与“均衡优化”。他完成和主持自然科学基金面上基金多项,重点基金子课题两项。在国际顶级期刊Math. Programming, Operations Research, SIAM J. Optimization, Mathematics of Operations Research, Mathematics of Computation 发表论文10余篇。现任中国运筹学会常务理事🤜🏿，中国运筹学会数学规划分会副理事长，中国运筹学会金融工程与金融风险管理分会常务理事，《JAPOR》和《运筹学学报》编委。
授课主题🏌🏿♂️：非线性规划基础
本课程旨在介绍非线性规划的最优性理论和稳定性理论。授课内容包括🛠：基于凸集合的变分几何建立凸规划的最优性理论；阐述并证明等式约束非线性规划的必要性和充分性最优条件🎩；用数学分析的工具建立一般约束的非线性规划问题之约束集合的变分几何,必要性最优条件和二阶充分性最优条件以及稳定性理论。
京东探索研究院 顶级科学家团队
授课主题：可信人工智能前沿课程
在商业实践中，人工智能算法产生了巨大的商业价值，也带来了信任危机🧛♂️。发展可信赖的人工智能势在必行。本课程围绕算法理论🤵🏼♂️、可解释性🈁、隐私保护、人工智能安全等方面，介绍相关领域的理论基础和前沿创新👌🏿，以及在自动机器学习、量子机器学习等方向的应用于实践🦵🏽。
