11月16日晚18:00，上海财经大学《数据驱动最优化和深度学习在运营中的应用》讲座在武东梯教T7如期举行。学院120多位本科生参与此次讲座。

本次讲座邀请我院专业教师毕晟老师、刘慧康老师作为主讲人。毕老师拥有新加坡国立大学NUS商学院博士学位，目前的研究涉及数据驱动优化、收入管理、供应链管理和社会责任运营等方向。刘老师在2018年于香港中文大学系统工程与工程管理系获得博士学位，之后先后在香港中文大学工学院以及伦敦帝国理工商学院从事博士后工作，他的主要研究兴趣是连续优化及其在机器学习、运营管理以及信号处理中的应用。两位老师主要通过案例分享，让同学们对数据驱动最优化和深度学习在运营中的应用有了一定的了解。

毕晟老师先向同学们做了分享。首先她以两段视频作为引入，介绍了商业分析、数据科学、数据分析、机器学习、人工智能这些术语各自的内容及相互之间的关系。接着，毕老师从应用方向、使用率、行业规模等方面对数据优化做了概述。然后，她以麦当劳大富翁促销活动为例，具体分析了数据驱动最优化在其中的应用：该促销活动以收集贴纸兑换大奖的规则吸引消费者，先后通过构建模拟销售曲线的Polya’s urn model ，测试模型拟合程度，找出最优解并做出决策。数据驱动最优化解决了促销活动的时间及哪些产品应附带贴纸等决策重要问题。

接着，刘慧康老师以“疫情大环境下如何合理分配医疗资源”这一课题为例，分享了自己实践数据驱动最优化的经历。他介绍到，该课题的主要目的是解决新冠病人就诊优先级过高导致其他病人就诊困难的问题。此后，他依次提到了个人状态过程、计数过程、弱耦合计数过程三种原始模型，并指出复杂度过高是主要弊端。紧接着，他引出改进后的流体近似法模型，该模型因利用“通过大数定律求得近似值”的思想，将随时间指数增长的可能性数量变为某一确定的概率值，大大降低了复杂度。通过误差分析后，其应用评估结果也非常积极。

本次讲座不仅帮助同学们收获了关于数据驱动最优化和深度学习应用理论的知识，还让同学们深刻领会了理论与实践相结合的重要性。希望本次讲座能激发同学们探索该领域的乐趣，也能帮助同学们在各方面学习中树立理论实践化的意识，引导大家在实践中检验真理，成为专业能力扎实、不断拼搏进取的信院人。

文案 | 高嘉悦

图片 | 学术项目组

编辑 | wastex

编审 | 周易 刘羿君