短期课程：Texas A&M University, Zou Na助理教授到访我院并讲授短期课程

2018年6月3日至6日，Department of Industrial & Systems Engineering, Texas A&M University, Zou Na助理教授在公共教学二楼为我校师生讲授了以“Bayesian Modeling and Inference Ⅲ”为主题的短期系列课程。

第一天，Zou Na老师的课程题目是“A Probabilistic framework of transfer learning”。迁移学习适用于训练数据与所需进行的分类任务中的测试数据特征分布不同的情况，采用合适的迁移学习方法则可以大大提高样本不充足任务的分类识别结果。通过迁移学习，可以显著地提升机器的学习效率。

第二天，Zou Na助理教授又讲授了“Modeling and change detection of dynamic networks”的相关内容。动态网络上的各个节点都经过了特定的编程处理，可以依据通过该节点的信息执行定制化的任务，常用于由移动用户构成的网络。

第三天，Zou Na老师为我们讲述了 “Factorial design versus alternatives”专题。析因设计是一种很常用的实验设计方案，以完全随机化设计、随机化区组设计和拉丁方设计为基础。该方案指以多因素为研究对象，旨在探求各因素的主效应和因素间的交互效应，主要包括完全随机化析因设计、随机化区组析因设计、裂区析因设计、混杂析因设计、部分析因设计等。

最后一天，Zou Na老师讲解了“Design resolution & filtration rate experiment”中的一些问题。该实验能用于人脸识别、图像处理等领域，具有广泛的应用前景。

我院全体博士研究生及部分老师参加了此次课程，参与者和Zou Na助理教授就课程的内容、问题以及在现实中的应用等方面展开了热烈的讨论，课程取得了圆满成功。此次将近一周的短期课程为大家提供了很好的国际交流平台，参与的师生们均表示受益颇丰。

Zou Na助理教授简介：

Zou Na：

Texas A&M University

Department of Industrial & Systems Engineering

Assistant Professor

Research interests：

Dr. Zou`s research focus is statistical machine learning on large scale, dynamic and networked data with its applications in health care, brain science, and process control. Specifically, her interests include integrating Bayesian statistics and sparse learning models for transfer learning, statistical and predictive modeling of dynamic and multi-dimensional data for network evolution and change detection. She is also interested in brain informatics to model brain connectivity for cognitive performance assessment, biomarker identification and disease diagnosis.

Email: nzou1@tamu.edu

Homepage：

https://engineering.tamu.edu/industrial/people/zou-na.html