学术报告（一）
题目：需求预测的自动化机器学习
时间：2024年11月7日下午3:00
地点：至善楼234
报告人：王子哲 新加坡国立大学 & 新加坡科技研究局
主持人：罗晓柳 谢挺 理学院、数学科学研究中心
摘要：
需求预测是供应链管理、生产规划、库存管理及整体商业战略中的核心环节。近年来，机器学习（ML）已成为执行需求预测任务的主要技术手段。但是，构建一个完善的机器学习管道仍面临数据收集与预处理、特征选择、模型选择、超参数优化及模型部署等诸多挑战。自动化机器学习（AutoML）的出现为这些挑战提供了创新的解决方案。AutoML利用人工智能，简化并自动化了整个机器学习过程，使企业能够更快、更高效地开发出强大的需求预测模型，从而实现更敏捷和基于数据的决策。报告将深入探讨AutoML在需求预测中的关键应用，详细介绍当前主流的AutoML工具和方法，并分享该领域的最新研究进展，尤其是结合强化学习与贝叶斯优化的方法来解决算法选择和超参数优化（CASH）问题。通过真实案例分析展现如何将AutoML应用于需求预测中，并展望这一技术在未来的巨大潜力。
报告人简介：
王子哲，现任新加坡科技研究局资深研究员，博士毕业于新加坡国立大学，研究领域包括强化学习、优化理论、数字孪生技术等。曾主导多个数字孪生项目，协助多家大型物流企业开发数字孪生系统，并作为核心成员参与新加坡多个智慧战略项目，如新加坡人工智能海事项目（总资金500万新币）及新加坡-瑞典-芬兰合作的虚拟瞭望塔项目（总资金154万新币），在智能优化与工业项目结合领域有着丰富的实践经验。
学术报告（二）
题目：Deepfake (深伪) 和 AIGC (人工智能自动生成内容) 技术的挑战与现状
时间：2024年11月7日下午4:00
地点：至善楼234
报告人：周天异 新加坡国立大学 & 新加坡科技研究局
主持人：罗晓柳 谢挺 理学院、数学科学研究中心
摘要：
近年来，随着人工智能（AI）技术的飞速发展，Deepfake 和 AIGC（Artificially Intelligent Generated Content，人工智能生成内容）技术逐渐进入公众视野。这些技术不仅在娱乐和创意产业中显示出巨大的潜力，同时也带来了诸多生成和识别的挑战和伦理问题。AIGC 技术涵盖了利用 AI 生成各种形式的内容，包括文本、图像、音频和视频。尽管 AIGC 在自动化创作、内容个性化和人机交互等方面展示了巨大潜力，但也面临诸多挑战：1)算法优化：提高生成算法的效率和效果，以减少计算资源的消耗，同时提升生成内容的质量和真实性。2)实时处理：实现高效的实时生成和处理能力，以满足各种应用场景的需求。3)跨模态生成：开发能够跨越不同模态（文本、图像、音频、视频）生成内容的统一框架，提升多模态内容生成的协调性和一致性。4)安全与检测：加强对 Deepfake 和 AIGC 内容的检测技术研究，开发更有效的检测算法，保障内容的真实性和安全性。本报告旨在深入分析当前Deepfake 和 AIGC 技术的现状，探讨其带来的主要挑战，并展望未来的发展方向。
报告人简介：
周天异，毕业于新加坡南洋理工大学, 现为新加坡科技研究局前沿人工智能中心担任副主任（Deputy Director)以及主任研究员 (Principal Scientist) 职位。 周天异博士主持多项新加坡重点研发项目，并且已在机器学习, 人工智能,信息安全等领域核心期刊(中科院一区)和国际会议(CCF A类)上发表论文100余篇; 此外是CCF A类期刊AIJ, IEEE Transactions等国际重要SCI 期刊的副主编/常任编委; 担任多个国际顶级/重要学术会议NeurIPS, ICML, ICLR, AAAI, IJCAI 等国际顶级会议领域主席 (Area Chair)；获得IJCAI，ECCV，ACML等多个国际顶级/重要学术会议及其专题报告会最佳论文奖，被斯坦福大学评为世界前2%的科学家。
