张讲社教授从信息论基础、机器学习、深度学习和基于信息瓶颈理论神经网络中正则项的影响等四个方面做了介绍。首先张教授介绍了信息论的基本概念、重要意义和发展历程，向大家说明了统计学研究发展历程中信息论、信息熵、科尔莫洛夫复杂度等概念提出的背景，阐述了最短描述长度通常具有最强预测能力。之后，张教授针对机器学习的定义、研究进展、机器学习与贝叶斯之间的关系进行深入的讲解，并提出机器学习是在贝叶斯统计公式的应用基础上寻求最短描述长度，确定概率分布的方法。最后，张讲社教授给大家介绍了深度学习所涉及的层次结构、过拟合问题和有效学习所需的正则化算法。
报告会后的交流提问环节，参会师生针对此次报告会的内容以及研究中遇到的问题与张教授进行了探讨，张教授对提出的问题进行细致耐心的解答，张教授的宝贵意见对参会师生的高度认可。
本次学术报告会令我院师生感受颇深，不仅对信息论、机器学习、深度学习有了更加深入的理解，同时对夯实专业基础和拓展研究视野等方面有了更加深刻的认识。（审核人 李国荣）
