AAAI2023最新「贝叶斯优化」教程报告，220+页PPT阐述BO基础到高级主题

许多工程和科学应用，包括自动化机器学习(例如，神经架构搜索和超参数调整)，都涉及到对一个或多个昂贵的评估目标进行优化的设计选择。贝叶斯优化(BO)是解决具有昂贵函数值的黑盒优化问题的有效框架。本教程的目标是通过关注挑战、原则和算法思想及其联系，对BO进行全面的调研，从基础到这些最新进展。

本教程的目标受众包括:(1)一般人工智能研究人员和研究生，他们将学习原理、算法和探索BO及其现实世界应用前沿的突出挑战;(2) BO研究者将了解BO问题的完整图景，以扩大BO问题的广度，并了解BO前沿领域的突出挑战;(3)将应用所学知识解决自动化机器学习和A/B测试问题的工业人工智能研究人员和从业人员;(4)从事科学和工程应用(如药物/疫苗设计、材料设计等)的研究人员和从业人员将了解有用的BO工具。

Schedule First part: one hour 45 mins Overview of the BO Framework, GPs, advances in GPs and acquisition functions, and BoTorch demo

Bayesian Optimization over Discrete/Hybrid Spaces

Multi-fidelity Bayesian Optimization

Break: 30 Mins Second part: one hour 45 mins High-Dimensional BO and BoTorch demo

Multi-Objective BO and BoTorch demo

Summary and Outstanding Challenges in BO