金年会新闻中心

当前位置:主页 > 金年会新闻中心 >

金字招牌诚信CCF ADL 78 深度学习讲习班回顾:这几

来源:未知 作者:admin 发布时间:2022-12-06 09:32

  金字招牌诚信CCF ADL 78 深度学习讲习班回顾:这几个大热领域的算法到应用8位学术大牛带你掌握人工智能前沿技术本期主题“深度学习:从算法到应用”围绕当下大热的人工智能领域进行,邀请了 8 位来自学术界和工业界的学术大牛,在三天的时间里,向 400 多位学员讲授了人工智能领域的前沿技术和学术研究。

  本次讲习班由中科院计算所研究员、博导,中科视拓创始人、董事长兼 CTO 山世光主持。雷锋网旗下 AI 科技评论编辑亦到场听讲。

  这次,8 位深度学习大牛都准备了满满的干货,他们分享的内容从深度学习、强化学习到迁移学习,应用领域从计算机视觉、智慧城市、自动驾驶,到自然语言处理,从理论到实践,从算法到应用,将深度学习讲解的十分透彻。

  孙剑博士,旷视科技(Face++)首席科学家、研究负责人。2003年毕业于西安交通大学人工智能与机器人研究所,毕业后加入微软亚洲研究院(Microsoft Research Asia),任至首席研究员。

  作为开场课程,孙剑主要从工业界的角度向大家教授计算机视觉在一些实际场景里的应用。他表示,旷视做视觉智能的基本路线和很多公司类似,从技术、到产品、再到数据,金字招牌诚信希望这个环能够转起来。

  孙剑介绍了由微软提出了 ResNet 深度残差网络,它进一步将深度学习的深度从 20 多层推进到 152 层;并接着讲述了人脸识别和物体检测的进展;最后,他介绍了如何在大公司和创业公司做好研究。

  关于在微软研究院和旷视研究院的工作有什么不同,他介绍说,“我们的使命定位是类似的,但是我们的目标范围是更小的。我们现在只关心的研究最好的深度学习和计算机视觉技术,让最好的技术落地,推动公司的快速发展。”在人员组成上两个机构是类似的,而研发方式方面则因为规模不同所以有些不同。

  郑宇,博士、教授、博导,微软亚洲研究院主任研究员、CCF杰出会员、美国计算机学会杰出科学家、ACM数据挖掘中国分会(KDD China)秘书长、上海交通大学讲座教授、香港科技大学客座教授、人工智能国际权威期刊(SCI一区刊物)ACM TIST主编。

  郑宇的报告探讨时空数据(区别于文本、语音和视频数据)的特性,以及深度学习技术在时空大数据上的使用和设计方法。他分享了基于深度学习的城市人流量预测的实战案例,并介绍了深度学习和深度强化学习在围棋中的应用(围棋也可看作一种时空数据)。

  在详细讲解用深度学习网络处理时空数据(包括围棋)后,郑宇认为,时空数据是特别的,它在空间上有不同层次的分布,在时间上存在区段和趋势。深度学习和深度强化学习在这个领域可以应用于城市人流和交通预测,物流业的资源调配等领域。

  余凯,博士、地平线机器人技术( Horizon Robotics )创始人&CEO。中组部“”国家特聘专家,机器学习专家,互联网人工智能领域全球领导者之一。前百度研究院执行院长,百度深度学习研究院(IDL)创始人。

  余凯主讲深度学习是如何推动自动驾驶的。他认为,我们正跨入一个新时代,这个时代里 AI 在语音识别、计算机视觉、手势交互、游戏以及日常决策领域带来了巨大的进步。而在未来 20 年,AI 将在汽车领域带来,让驾驶变得前所未有的安全和方便。

  课堂上,余凯同样介绍了深度学习算法所面临的挑战,以及计算机硬件方面存在的问题,包括谷歌刚刚公布的 TPU 的评价。

  黄畅博士,地平线机器人技术( Horizon Robotics )联合创始人&算法副总裁。本科、硕士以及博士毕业于清华大学计算机科学与技术系,曾经在美国南加州大学和 NEC 美国研究院担任研究员。2012年加入百度美国研发中心,2013年参与组建百度深度学习研究院( IDL ),任高级科学家、主任研发架构师。

  强化学习的一些例子:从左至右,强化学习网络玩 ATARI、AlphaGo、乐高、四足机器人越过崎岖路面模拟。

  颜水成,360首席科学家,人工智能研究院院长,新加坡国立大学终身教职,IEEE Fellow, IAPR Fellow 及 ACM 杰出科学家。

  颜水成主要介绍新加坡国立大学LV研究组以及奇虎 360 人工智能研究院在深度学习的 Compactness, Speed, and Accuracy 三个维度的进展,然后重点介绍在图像分割领域的一些最新的成果和应用。除了 Network-in-Network , 主要介绍 CVPR17 及刚投出去的一些工作。

  李航,华为技术有限公司诺亚方舟实验室主任,北京大学、学客座教授,IEEE会士,ACM杰出科学家, KDD China委员。

  李航对深度学习在自然语言处理的应用(Deep Learning for Natural Language Processing)进行了综述。首先,简要介绍深度学习的基本技术,包括单词嵌入、卷积神经网络、循环神经网络。之后,指出自然语言处理的许多任务可以形式化为几个最基本的问题,包括分类、匹配、翻译、结构预测,讲解深度学习在这些问题上的核心技术。

  接着,介绍基于深度学习技术实现的一些自然语言处理应用案例,金字招牌诚信包括机器翻译、图片搜索、自然语言对话、知识问答。之后,指出神经处理和符号处理的结合应该是深度学习在自然语言处理应用的未来发展方向,并且给出一些具体实例。最后,展望与预测自然语言处理的未来发展趋势、可能的技术突破及可能的应用前景。

  俞凯,上海交通大学计算机科学与工程系研究员,清华大学本科、硕士,英国剑桥大学工程系博士。中组部青年千人、NSFC 优青和上海市“东方学者”特聘教授,苏州思必驰信息科技有限公司创始人及首席科学家。IEEE 高级会员、中国高校首位 IEEE Speech and Language Processing Technical Committee 成员。

  俞凯的报告集中介绍了深度学习在语音识别声学建模中的应用给,分成两部分进行。上半部分介绍语音识别的基本概念、处理流程以及以CD-DNN-HMM为代表的深度学习在语音识别中的经典应用及其理论分析。下半部分介绍深度学习在语音识别中的高级应用和技术前沿结果,包括语音识别自适应、抗噪语音识别、序列鉴别性训练等。

  俞凯的课程包含统计语音识别、深度学习经典运用、语音识别高级技术、深度学习前沿应用、开源工具及参考书五个部分。非常系统地介绍了深度学习在语音识别领域的应用,使用了许多案例,课程实用价值很高。

  香港科技大学新明工程学讲座教授、 计算机系主任及大数据研究所主任、ACM数据挖掘中国分会(KDD China)主席。

  最后压轴上场的杨强教授题目最短,内容同样干货十足,他介绍了深度学习的未来发展方向——迁移学习。迁移学习技术能够借助多个不同数据的相关性,将知识和模型从某些领域适配到其他相关的领域当中。迁移学习可以和深度学习很自然地结合。

  杨强教授平易近人、风趣幽默,他用深入浅出的方式向学员们介绍了迁移学习,它有什么作用以及如何来发挥这些作用。

  3 天、400 多人,每天从上午 9 点到下午 6 点,报告厅座无虚席。不仅有讨论热烈的 Panel 环节,讲师们也非常注重与学员之间的沟通交流,每堂课都预留时间让学员提问前予以认真回答。下课后许多学员纷纷围上来继续与讲师交流,直到饭点才意犹未尽地散去。

  正如余凯老师所说,我们正踏入一个新时代,在这人时代里,人工智能将对人类生活的各个领域产生深远影响,而没有人才这一切都无法实现。今天,人工智能人才十分短缺,可谓一人难求,许多学生和技术从业者也希望提高自己这方面的能力,这次举办的课程正是要帮助培养更多更好的人工智能人才。金字招牌诚信

  这期主题为“深度学习:从算法到应用”,聚集了 8 位学术大牛,从理论到应用,使许多学员对人工智能有了更深的认识,并学到了许多实操经验。

  据雷锋网了解,本期课程的学员,除了许多来自高校的大学生、研究生外,还有很多公司,包括知名互联网公司技术从业者前来向大牛学习。

  一位从事计算机视觉方向工作的学员在课程结束后对雷锋网表示,学完这三天的课程,不仅解答了他在深度学习应用到工作中产生的一些疑惑,而且对于今后公司技术和产品的规划也有了更清晰的想法。