0
AI研習社是雷鋒網旗下的AI求知求職社區(qū)，基于專業(yè)直播平臺，進行技術交流的公益?zhèn)鞑ズ蜕疃冉涣鳌?/p>
AI研習社公開課通過邀請學術界、工業(yè)界學者進行高質量內容分享，讓廣大學術青年了解最前沿的學術與行業(yè)技術進展，成為連接學術界與工業(yè)界之間的橋梁，雷鋒網希望能夠從中發(fā)現(xiàn)一大批優(yōu)秀AI人才，推動國內AI行業(yè)的持續(xù)發(fā)展。
接下來是下周的公開課預告：
主題：加速深度學習的訓練和推理
分享內容：隨著深度學習在計算機視覺上的廣泛成功，學術界和工業(yè)界都開始越來越關注其落地能力。如何在短時間內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對象神經規(guī)劃
分享內容：深度好奇提出了用于垂直領域文檔理解的OONP框架，它使用離散的對象本體圖結構作為中間狀態(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框架提供了神經符號主義的一個實例：在OONP框架內，連續(xù)信號、表示、操作和離散信號、表示、操作緊密結合，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絡中。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，參與了面向對象的神經規(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符號智能等領域有較深的造詣。
主題：醫(yī)學影像計算與分析--2017MICCAI選文剖析
分享內容：人工智能應用于臨床醫(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，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獎章。研究興趣包括醫(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。三維全卷積神經網絡相關論文獲得2016 MIAR最佳論文獎。2014年以來帶領團隊在數(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
分享內容：本次讀書分享主要針對《深度學習》第八章內容，梳理本章的主要內容：學習和純優(yōu)化有什么不同;神經網絡優(yōu)化中的挑戰(zhàn);基本算法;參數(shù)初始化策略;自適應學習率算法;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」立即報名活動。
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
