CCF-ADL78:深度学习专场

CCF-ADL78:深度学习专场

开课时间:4月15日课程上线,8位学术大牛坐镇!
开课时长:线上视频课程。每期课程连续3天时间,共计20个课时。
特       价:¥699.00
原价:¥699.00
课程介绍

中国计算机学会学科前沿讲习班(CCF Advanced Disciplines Lectures,简称ADL)系由CCF主办的一项高端学术及技术系列性品牌活动,每年举办10期,每期2-3天。每期围绕一个领域的专题展开,邀请该学科方向资深或在前沿工作的专家授课并组织讨论。

2017年的主题范围更加广泛,既有社会热点问题,如人工智能、区块链、类脑计算、社交网络与数据挖掘,也有基础理论学科,如计算机理论、量子计算、普适计算等。

培训对象:
1、科研教学第一线的青年学者及企业从事技术工作的技术人员;、
2、适合学术界研究人员,也面对工业界前沿技术人员。
3、其他有兴趣的专业人士也可参加。

课程内容:

首期讲师介绍
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。

讲座题目:如何在大公司和创业公司做好(计算机视觉)的研究
摘要:大公司的研发部门(例如我心爱的微软亚洲研究院)是很好的研究平台,有很多的资源、大牛和高自由度。于是就有不少人问我一个问题:在创业公司(例如我正在任职的旷视科技Face++)是否还能做研究?能否做好研究?是不是会完全被产品导向了?在讲座中,我会基于我自己在两类公司做研究的亲身经历和感受,分享一下对这个问题的个人看法。同时也会分享一些干货,包括我和同事们在大公司和创业公司的代表性成果(例如,深度残差网络)和最近研究进展(旷视科技小伙伴们今年CVPR2017的五篇论文)。

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。

讲座题目:深度学习在时空数据中的应用
摘要:本报告将探讨时空数据(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,分享基于深度学习的城市人流量预测的实战案例,并介绍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)。

余凯
博士、地平线机器人技术( Horizon Robotics )创始人&CEO。中组部“千人计划”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。



深度学习在自动驾驶和智能硬件中的应用
Abstract: AI has achievedhistorical progresses since we stepped into this new century, advancing voicerecognition, computer vision, motion control, gaming, and general decisionmaking. In the next 20 years, AI will also revolutionise cars, making themunprecedentedly safer and more convenient. In this talk I will address thechallenges from the perspectives of deep learning algorithms, and also discussthe issue of computing hardwares.

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。

深度学习的三个维度:Compactness, Speed, andAccuracy
摘要: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、南京大学客座教授,IEEE会士,ACM杰出科学家, KDD China委员。

讲座题目:深度学习在自然语言处理的应用
摘要:本讲座对深度学习在自然语言处理的应用(Deep Learning for Natural Language Processing)作一综述。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,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。

语音识别中的深度学习实践
摘要:语音是人类进行高效复杂信息交换的最主要通道,语音识别是人工智能感知技术的核心领域,也是深度学习取得最显著成功的应用领域之一。本报告将集中介绍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。

杨强
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。

讲座题目:深度迁移学习
摘要: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。在这个讲座中,他将介绍迁移学习和深度学习的几种结合模式,并展望其在机器学习研究和应用中的几个未来方向。

山世光
山世光,中科院计算所研究员、博导,基金委优青,CCF青年科学奖获得者,现任中科院智能信息处理重点实验室常务副主任,中科视拓创始人、董事长兼CTO。

开课时间:
4月15日视频上线;线上录播,方便学员反复学习观看。
 
课程优势:
1、顶级学术阵营,国内AI圈资深背书
2、50+学术大牛,覆盖AI应用全方向;
3、AI慕课学院,全球顶级科技教育平台;
课程须知
  • 本期课程只限深度学习专场,课程内容线上录播。
适合人群
  • 适合学术界研究人员,以及面对工业界前沿技术人员
  • 科研教学第一线的青年学者及企业从事技术工作的技术人员
  • 其他有兴趣的专业人士也可参加
联系客服