1、关于“CIE 2023 第五届中国 IT 教育博鳌论坛暨计算机教育杂志创刊 20 周年大会”的通知各有关单位:为了服务国家创新驱动发展的要求,顺应全球新一轮科技革命和产业变革的趋势,培养集学科、技术和产业需求相融合的 IT新型人才,由教育部高等学校计算机类专业教学指导委员会、教育部高等学校软件工程专业教学指导委员会、工业和信息化职业教育教学指导委员会计算机职业教育教学指导分委员会、教育部高等学校大学计算机课程教学指导委员会、国家示范性软件学院联盟共同指导,计算机教育杂志社、博鳌教育论坛组委会主办的“CIE 2023 第五届中国 IT 教育博鳌论坛暨计算机教育杂志创刊 20 周年大会”将于 20
2、23 年 11 月 1012 日在海南博鳌亚洲论坛国际会议中心隆重举行,本次论坛主题为“产教融合,供需共赢”。CIE 中国 IT 教育论坛创建于 2017 年 11 月,已举办四届,为中国 IT 教育领域集规格、规模及影响力领先的盛会。本次大会将有千人规模,邀请百余位专家学者以及产业领袖进行主题分享。大会举行开幕式、院士大讲堂、校长巅峰会、名师论道、博鳌之夜等活动,并围绕中国计算机教育、科研、技术应用和产业发展,举办十多个专题论坛。20 年前,为顺应中国计算机教育事业的发展和 IT 产业人才的迫切需求,计算机教育杂志应运而生。为了回顾过去 20 年来计算机教育领域的发展和成就,本次大会还将举办
3、该杂志创刊 20 周年的庆典活动及多项选优颁奖的典礼。一、论坛主要内容(1)人工智能专业建设和人才培养的理念、策略与实施;(2)元宇宙时代背景下的教育形态和内容创新;(3)大数据技术提升教学质量和教育决策经验分享;(4)区块链技术发展现状、趋势、应用与高校人才培养;(5)集成电路行业对人才的需求分析和培养实践;(6)IT 专业人才教育质量评价研究与高质量就业举措;(7)高职教育“双特色”背景下的计算机类专业建设及人才培养;(8)青少年计算机教育的实践探索“编程”中小学必修课的机遇与挑战;(9)全球视野下国际 IT 教育合作项目的交流与探索;(10)以教育部“101 计划”为契机推动高校程序设计
4、教育改革;(11)产教融合、校企合作促进精准就业、供需共赢的思路与策略;(12)2022-2023 中国人工智能产业与人才发展蓝皮书报告;(13)全国数字人才港建设计划及试点项目;(14)计算机教育杂志创刊 20 周年“二十佳作者”“二十佳论文”“二十佳合作院校”“二十佳合作企业”“产教融合案例”等颁奖仪式。二、论坛邀请嘉宾(1)教育部领导及海南政府领导,计算机教育领域知名专家、学者;(2)高等院校校长、计算机类及 IT 相关专业院长、系主任、学科专业带头人及骨干教师;(3)知名 IT 企业、产业技术专家、IT 教育机构负责人,新闻媒体等。三、论坛时间地点时间:2023 年 11 月 1012
5、 日(10 日报到,1112 日会议,13 日离会)地点:海南博鳌(博鳌亚洲论坛大酒店)四、论坛注册缴费会务费:院校 1500 元/人(含会议费、资料费),委托国软(北京)教育咨询有限公司收取并开具会务费发票。参会者交通、食宿费用自理,会议统一安排。五、论坛会务联系请参会代表于 2023 年 10 月 15 日前将“CIE2023 参会回执”(见计算机教育微信公众号)发送至邮箱:。会务联系人:付老师 15699735518、田老师 186181633772023 年 8 月 11 日扫码报名新书推荐 概率机器学习概率机器学习(Probabilistic Machine Learning)ISB
6、N:978-7-302-63184-2作者:朱军 出版时间:2023年7月图书信息重点内容基础篇:概率统计基础|线性回归模型|朴素贝叶斯分类器|对数几率回归和广义线性模型|深度神经网络|支持向量机与核方法|聚类|降维|集成学习|学习理论高级篇:概率图模型|变分推断|蒙特卡洛方法|高斯过程|深度生成模型|强化学习作者简介朱军,清华大学计算机系Bosch AI冠名教授,IEEE Fellow,清华大学人工智能研究院副院长,曾任卡内基-梅隆大学兼职教授。主要从事机器学习研究,担任国际著名期刊IEEE TPAMI副主编,担任ICML、NeurIPS、ICLR等(资深)领域主席二十余次。获中国科协求是杰
7、出青年奖、科学探索奖、中国计算机学会自然科学一等奖、吴文俊人工智能自然科学一等奖、ICLR国际会议杰出论文奖等。入选万人计划领军人才、中国计算机学会青年科学家、MIT TR35中国先锋者等。张 钹院士 徐宗本院士作序推荐购买链接 扫码购书内容简介随着深度学习、大规模预训练模型和生成式人工智能的进展,机器学习已成为解决很多工程和科学问题的首选方案。概率机器学习一书从概率建模和统计推断的角度系统介绍机器学习的基本概念、经典算法及前沿进展。主要内容包括概率机器学习基础、学习理论、概率图模型、近似概率推断、高斯过程、深度生成模型、强化学习等。全书从实例出发,由浅入深,直观与严谨相结合,并提供了延伸阅读内容和丰富的参考文献。