0
AI研習社是雷鋒網(wǎng)旗下的AI求知求職社區(qū)，基于專業(yè)直播平臺，進行技術(shù)交流的公益?zhèn)鞑ズ蜕疃冉涣鳌?/p>
AI研習社公開課通過邀請學術(shù)界、工業(yè)界學者進行高質(zhì)量內(nèi)容分享，讓廣大學術(shù)青年了解最前沿的學術(shù)與行業(yè)技術(shù)進展，成為連接學術(shù)界與工業(yè)界之間的橋梁，雷鋒網(wǎng)希望能夠從中發(fā)現(xiàn)一大批優(yōu)秀AI人才，推動國內(nèi)AI行業(yè)的持續(xù)發(fā)展。
接下來是下周的公開課預(yù)告：
主題：加速深度學習的訓練和推理
分享內(nèi)容：隨著深度學習在計算機視覺上的廣泛成功，學術(shù)界和工業(yè)界都開始越來越關(guān)注其落地能力。如何在短時間內(nèi)訓練出龐大又復雜的高性能模型，如何向存儲和運算能力有限的邊緣設(shè)備部署模型，成為極大的挑戰(zhàn)。本次分享會嘉賓將和大家分享云從科技的心得體會。
分享人：蹇易，現(xiàn)云從科技高級算法工程師。本科和碩士畢業(yè)于華中科技大學計算機學院。從事深度學習分布式框架、度量學習和模型減枝/壓縮的研究和開發(fā)。
主題：用于文檔理解的面向?qū)ο笊窠?jīng)規(guī)劃
分享內(nèi)容：深度好奇提出了用于垂直領(lǐng)域文檔理解的OONP框架，它使用離散的對象本體圖結(jié)構(gòu)作為中間狀態(tài)，該狀態(tài)被OONP創(chuàng)建、更新直至最終輸出。這個解析過程被OONP轉(zhuǎn)化成為按照文本閱讀順序的離散動作的決策序列，模仿了人理解文本的認知程。OONP框架提供了神經(jīng)符號主義的一個實例：在OONP框架內(nèi)，連續(xù)信號、表示、操作和離散信號、表示、操作緊密結(jié)合，形成信息閉環(huán)。這使得OONP可以靈活地將各種先驗知識用不同形式加入到行間記憶和策略網(wǎng)絡(luò)中。為了優(yōu)化OONP，深度好奇利用監(jiān)督學習和強化學習以及二者的各種混合態(tài)，以適應(yīng)不同強度和形式的監(jiān)督信號以訓練參數(shù)。
分享人：鄭達奇，博士期間師從中科院計算所/都柏林城市大學劉群教授，后加入深度好奇。期間作為學術(shù)帶頭人在深度學習用于長文本生成等項目有重要貢獻，參與了面向?qū)ο蟮纳窠?jīng)規(guī)劃、非線性文本表示等研究項目。鄭博士長期從事機器翻譯及人工智能的研究，在自然語言處理和神經(jīng)符號智能等領(lǐng)域有較深的造詣。
主題：醫(yī)學影像計算與分析--2017MICCAI選文剖析
分享內(nèi)容：人工智能應(yīng)用于臨床醫(yī)學影像計算與分析成為近年來的研究熱點，本次分享以2017年MICCAI錄取論文為基礎(chǔ)，選摘代表性的論文，介紹醫(yī)學影像計算與分析的前沿方法和趨勢。
分享人：陳浩，視見醫(yī)療創(chuàng)始人兼首席科學家，在香港中文大學取得博士學位并獲得香港政府博士獎學金，本科畢業(yè)于北京航空航天大學并獲得金質(zhì)獎?wù)隆Ｑ芯颗d趣包括醫(yī)學影像計算，機器學習（深度學習）, 計算機視覺等。博士期間發(fā)表數(shù)十篇頂級會議和期刊論文，包括CVPR、MICCAI、AAAI、MIA、IEEE-TMI、NeuroImage等 。擔任包括NIPS、MICCAI、IEEE-TMI、NeuroImage等國際會議和期刊審稿人。三維全卷積神經(jīng)網(wǎng)絡(luò)相關(guān)論文獲得2016 MIAR最佳論文獎。2014年以來帶領(lǐng)團隊在數(shù)十項國際性醫(yī)學影像分析和識別挑戰(zhàn)賽中獲得冠軍。
主題：Deep Learning 讀書分享-深度模型中的優(yōu)化
分享內(nèi)容：本次讀書分享主要針對《深度學習》第八章內(nèi)容，梳理本章的主要內(nèi)容：學習和純優(yōu)化有什么不同;神經(jīng)網(wǎng)絡(luò)優(yōu)化中的挑戰(zhàn);基本算法;參數(shù)初始化策略;自適應(yīng)學習率算法;二階近似方法;優(yōu)化策略和元算法.
分享人：孫嘉睿，迅雷人工智能圖像算法工程師，北京大學信息工程學院博士，京都大學情報學碩士。
報名方式
掃描二維碼備注「雷鋒網(wǎng)」立即報名活動。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
