-会议内容-

随着人工智能（AI）特别是深度学习（Deep Learning）近年来的飞速发展，在多个领域的成功应用，已经成为当前学术界和各行业最炙手可热的研究应用方向。不仅广泛应用于搜索引擎、电子商务、社交网络等互联网服务，并且在计算视觉、自然语言处理、金融、生物医药等行业AI的研究与应用也呈现爆发式增长。同时由于深度学习（Deep Learning）需要处理的海量数据非常庞大，GPU（CUDA、OPENACC、OPENCL）计算在人工智能/深度学习领域展现出相比传统CPU计算巨大的优势，极大的提高了计算能力，降低时间成本，已经成为深度学习计算的首选解决方案。为加强AI技术的创新发展和应用，培养社会急缺的深度学习专业人才，中国科学院计算技术研究所烟台分所特别深度学习领域的专家，举办“深度学习理论与实战及GPU高性能计算解决方案应用高级培训班“。

主办单位： 北京中科云畅应用技术研究院

承办单位：北京嘉诚永恒科技有限公司

培训时间地点： 2018年 4月20日 — 2018年4月 23日 西安电子科技大学

培训目标：通过讲授机器学习和深度学习理论及算法，让学员对机器学习、深度学习技术方法有深入的理解，同时学习深度学习开源平台的开发方法，学习并实践深度学习解决方案。

培训对象：院校计算机专业、网络通信专业、电子工程专业、信息计算科学专业、统计学专业等对AI /深度学习技术及研发感兴趣的老师、研究生等。相关从事大数据、数据挖掘、机器学习、计算视觉、自然语言处理、人机交互等领域研发的单位的技术部门、IT企业的工程师、研发负责人、算法工程师等。

培训方式: 1、培训讲座； 2、高性能计算环境下的上机实操 3、专题小组研讨与案例讲解分析结合；

主讲专家：

主讲专家来自中科院及高校的深度学习和高性能计算高级专家，拥有丰富的科研及工程技术经验，长期从事计算领域国家重大项目研究，具有资深的技术底蕴和专业背景。

培训课程大纲

在深度学习的基本概念和技术方法的基础上阐述深度学习的基本思想和解决问题的基本思维模式，从理论到实践逐步提升对深度学习技术方法的理解；从模型表达能力到计算复杂度两个层次帮助学员理解从数据推知数据蕴含的结构、解决问题的技巧。结合应用案例和开发框架构建学员从所学理论到实践解决问题的理论和工程相结合的能力。针对学员面对的实践问题展开讨论、方案建议。为学员配备由浅入深的参考书和深度学习开发教材，便于课后逐步提高能力。

注：三天都是在机房上课，针对算例进行的上机实操！报名学员可以提前把感兴趣的内容和要解决的问题带到会场上，和主讲老师及其他学员交流学习！

一、深度学习Deep Learning基础和基本思想

1. 人工智能概述、计算智能、类脑智能

2. 机器学习概述、记忆学习、归纳学习、统计学习

3. 深度学习的前生今世、发展趋势

4. 人工神经网络、前馈神经网络、BP算法 、Hessian矩阵、结构性特征表示

二、深度学习Deep Learning基本框架结构

1. Tensorflow详解和实践

三，深度学习Deep Learning-卷积神经网络

1. CNN卷积神经网络

卷积层（一维卷积、二维卷积）、池化层（均值池化、最大池化）

全连接层 激活函数层 Softmax层

2. CNN卷积神经网络改进

R-CNN （SPPNET） Fast-R-CNN Faster-R-CNN （YOLO、SSD）

3. 深度学习的模型训练技巧

4. 梯度下降的优化方法详解

四，深度学习Deep Learning-循环神经网络

1. RNN循环神经网络、梯度计算、BPTT

2. RNN循环神经网络改进LSTM、GRU、 Bi-RNN、 Attention based RNN

3. RNN实际应用 Seq2Seq的原理与实现

五、强化学习

1. 强化学习的理论知识

2. 经典模型DQN讲解

3. AlphaGo原理讲解

4. RL实际应用

六，对抗性生成网络

1. GAN的理论知识

2. GAN经典模型CGAN，LAPGAN，DCGAN

4. GAN经典模型 INFOGAN，WGAN，S2-GAN

5. GAN实际应用 DCGAN提高模糊图片分辨率

6. AN实际应用 InfoGAN做特定的样本生成

七、迁移学习

1. 迁移学习的理论概述

2. 迁移学习的常见方法

特征、实例、数据、深度迁移、强化迁移、研究案例

八、CNN应用案例

1. CNN与手写数字集分类

2. YOLO实现目标检测

3. PixelNet原理与实现

4. 利用卷积神经网络做图像风格结合

九、深度学习Deep Learning的常用模型或者方法

1. AutoEncoder自动编码器、VAE、GAN、VAE+GAN

2. GAN的广泛应用

3. Sparse Coding稀疏编码

4. Convolutional Neural Networks卷积神经网络

5. 深度推荐模型

6. 深度文档模型

十、辅助课程

（1）疑难解答、分组讨论；

（3）关键问题解析；

（4）学后交流、微信群、QQ群建立；

-主办方介绍-