教学动态｜海内外学长与在校生共同学习 16集《机器学习/深度学习》夜校圆满收官

　　持续五个月，20余位讲者联袂授课。探索了已毕业学生与在校生共同学习的新模式，为公共卫生研究生成长发展注入全新动力。

　　近日，由中山大学公共卫生学院医学统计学系张晋昕教授倡导组织的《机器学习/深度学习》系列夜校学习活动于2026年1月8日圆满落幕。本次活动创新地采用10多位研究生校友参与授课、60余名在校研究生线上线下同步听课的模式，探索了主动学习、共同进步的新途径。

　　2025年9月至2026年1月期间，14位来自哈佛大学医学院、复旦大学大数据学院、中山大学肿瘤防治中心、腾讯公司等多元背景的主讲人，结合自身工作实际分享了机器学习在医学领域的应用。医学统计学系的5位在读研究生也担任部分内容的主讲。

　　16集主题学习内容紧扣“实用导向”核心，兼顾数学基础讲解、实例剖析与代码实操，融入大量临床和公卫案例，让抽象的算法原理变得具象可感，有效衔接科研与职场需求。

　　随着大数据技术的不断进步，机器学习必将在公共卫生、医学和生物科学领域发挥更加重要的作用。本次活动为公共卫生专业研究生成长搭建了一个学术交流平台，增进了在校生与校友的联系，活到老学到老的理念得以传承。　

　　从学生到讲者，从校园到职场，参与者们分享了对本次活动的深切体悟。以下为部分采访节选：

孙义朋　2014级流行病与卫生统计学硕士　目前任职中大五院

　　本次学习有三大特色：一是兼具深度与广度，从机器学习到深度学习，还有前沿的注意力机制、可解释机器学习方法等内容。二是兼顾理论与实践，既有基本概念、原理、结构的详细讲解，又有可以实现的代码练习。三是几乎每次学习的主持人和主讲人由已经毕业或者仍然在读的同学担任，通过授课机会，深深感受到授课与学习截然不同，即使是常接触的内容，想要顺利讲解并让其他同学掌握，需要查阅、整理大量资料，既补充了自己的知识体系，也锻炼了自己的演讲能力。

林晓蕾　2006级预防医学本科　目前执教于复旦大学

　　再次回到母校参与《机器学习/深度学习》的讲授，对我而言是一段非常有意义的经历。张晋昕教授是我本科阶段《医学统计学》的任课教师，也是我进入统计学与方法研究领域的重要引路人。如今以授课教师的身份参与这次学习活动，既是一次角色的转变，也是一种学术的传承。我讲授“特征选择与模型优化”教学中，我特别强调了方法背后的统计学思想，以及它们在真实公共卫生场景中的适用边界，例如疾病风险预测、暴露筛选和模型稳健性评估等。我十分高兴地看到越来越多公卫专业的师弟师妹们，开始主动理解并使用大数据与机器学习方法。

陈森科　2024级流行病与卫生统计学　在读研究生

　　过去我遇到模型训练不稳定或泛化变差时，只能凭直觉定位问题。通过系统学习，我逐渐构建起清晰的模型选择和训练框架：从理解参数初始化与归一化对收敛过程的影响，到把握学习率、正则化、数据增强、早停机制以及评估指标如何协同作用于模型最终性能。此外，在担任讲授者的过程中，备课本身也成为一次深刻的学习复盘。我尝试编织一条从数据出发、经建模与迭代、最终到评估的主线；并在此基础上引入深度学习的核心概念，旨在带领大家对机器学习理论有更扎实的理解，并转化为解决问题的能力。

张梦扬　2021级预防医学　在读本科生

　　我参加了张晋昕老师开设的《机器学习/深度学习》夜校学习活动。作为一名大五的本科生，不少内容对我而言难度较大，但是让我接触到了很多课内了解不到的新知识与思想方法，例如，无监督学习在处理无标签数据中的应用、利用多重感知机对医学影像进行辅助诊断，以及通过 Embedded 方法进行特征选择等。通过该平台，我也见到了很多走入各行各业的师兄师姐，他们从事的领域非常广阔，有的参与智慧诊疗的研发工作，还有的跨入互联网企业等，让我看到了走向社会后医学生的多元职业发展路径。

撰稿：张欧
初审：王庆
复审：王燕芳
审定发布：龙长春