香港科技大学（HKUST）的冯逸丁助理教授从2025年12月1日起为我校师生开设为期4天的《经济学中的动态决策问题》短期课程。 本短期课程旨在向研究生介绍在线学习的基本概念、算法与分析工具，并展示这些方法如何被应用于解决经济学中的动态决策问题。本课程向学生讲解了： 不确定性下序列决策的核心框架，包括遗憾（regret）的概念、不同的反馈模型，以及对抗性环境与随机环境之间的区别 在线学习中的关键算法，如 跟随领导者（Follow-the-Leader）、扰动跟随领导者（Follow-the-Perturbed-Leader）、指数加权/对数权重（Hedge） 和 上置信界（UCB） 算法，以及其性能保证。 探索—利用（exploration–exploitation）权衡，以及结构性假设（如 Lipschitz 连续性或情境信息）如何影响算法设计。 学习理论与经济模型之间的联系，包括其在动态定价、在线拍卖、合约设计以及信息设计等问题中的应用。 阅读和分析当前学习理论、算法经济学以及在线优化领域研究论文的基础能力。 冯逸丁，香港科技大学（HKUST）工业工程与决策分析助理教授。当前的研究侧重于在线市场中的算法和策略开发。主要利用在线算法、近似算法、机制设计和信息设计的方法来解决相关问题。

香港大学的黄志毅副教授从2025年6月9日起为我校师生开设为期4天的《数据驱动的机制设计理论》短期课程。 本课程从数据驱动的视角重新审视经典博弈论中的机制设计理论，并介绍相关算法与分析工具。经典博弈论假设参与者的私有信息服从特定分布，且机制设计者完全了解这个分布。然而在现实中，我们只能通过历史数据获得该分布的部分信息。因此，我们需要探讨如何有效利用这些历史数据，以及确定所需的数据量——后者也被称为该问题的样本复杂度（Sample Complexity）。 在本课程中，黄志毅老师系统性地介绍该领域近十年来在算法设计与分析技术上的重要进展，并以拍卖机制设计为切入点，循序渐进地讲解经典学习理论、信息论和博弈论中的核心工具，最终完整解决拍卖机制的采样复杂度问题。此外，在课上还探讨了这些理论方法在合约设计、信息设计和算法设计等领域的应用。 黄志毅目前是香港大学计算机科学系的副教授，在加入香港大学之前，他于2013年至2014年在斯坦福大学从事博士后研究，与Tim Roughgarden合作；于2013年在宾夕法尼亚大学获得博士学位，导师是Sampath Kannan和Aaron Roth；于2008年毕业于清华大学由姚期智创办的第一届“姚班”获得学士学位。他的研究成果主要在于探索不确定性下的序列决策算法（在线算法）、基于不同信息形式的学习理论（学习理论）、激励自利主体共享私有信息的机制设计（机制设计），以及在保密某些信息的同时披露另类信息的技术（差分隐私）。 其研究成果屡获殊荣，包括ESA 2024、FOCS 2020和SPAA 2015等国际顶会最佳论文奖。他还获得国家自然科学基金优秀青年科学基金项目（港澳）、香港研资局早期学术生涯奖、Morris and Dorothy Rubinoff优秀博士论文奖，以及西蒙斯理论计算机科学研究生奖学金等多项荣誉。 上课时间：2025年6月9日-6月12日 8:30 – 11:55 上课地点：立人楼A110