人工智能-深度學習應用研究【大學組】

計算機科學/數(shù)據科學/深度學習

項目背景

深度學習使用分層算法模型分析數(shù)據，是機器學習的重要研究領域；運用統(tǒng)計與預測建模收集、分析、解讀海量信息，是數(shù)據科學的核心組成部分；模擬人腦神經網絡處理數(shù)據，設計模型，訓練模型，做出決策，是人工智能的一大分支。深度學習技術通常用于研發(fā)圖像識別工具、自然語言處理和語音識別軟件，完善自動駕駛、語言翻譯服務；在零售、醫(yī)療、汽車、農業(yè)、安全、制造業(yè)有著廣泛應用。隨著數(shù)字化趨勢的興起，全球深度學習市場增長強勁，預計在2020-2025年復合年增長率將達到30%左右。機器學習的場景有哪些？如何使用Python語言開發(fā)深度學習應用？項目聚焦深度學習及其應用。

項目介紹

項目內容包括機器學習理論、應用與技術，線性分類器，卷積神經網絡，回歸神經網絡等。學生將通過項目熟悉機器學習、神經網絡、深度神經網絡等理論知識與機器學習語音與圖像處理案例，在項目結束時，提交項目報告，進行成果展示。

個性化研究課題參考：

利用雙向編碼器制作Twitter上的災難探測算法

基于卷積神經網絡的場景圖像分類與遷移學習

用高效網絡預訓練模型估計X 射線圖像中的骨骼年齡

適合人群

大學生

計算機科學、數(shù)據科學、計算機科學、人工智能、機器學習、深度學習等專業(yè)或希望修讀相關專業(yè)的學生，對Python在深度學習中的應用、基于Python的深度學習應用開發(fā)感興趣的學生；具備數(shù)學、Python或其他編程語言知識的學生優(yōu)先。

導師介紹

劍橋大學終身教授

Nicholas導師現(xiàn)任劍橋大學計算機科學終身教授、三星全球人工智能研究中心終端設備和分布式機器學習項目主任，曾任牛津大學終身教授、倫敦大學學院計算機科學終身教授、貝爾實驗室首席科學家。Nicholas導師的研究興趣聚焦高效率深度學習，領銜牛津大學機器學習系統(tǒng)實驗室，在牛津大學講授機器學習碩士課程，發(fā)表學術論文百余篇，多次應邀至人工智能領域深度學習峰會Deep Learning Summit等國際頂級學術會議、科研組織和高校發(fā)表主旨演講。

任職學校

劍橋大學建校于1209年，是世界范圍內歷史最為悠久的大學之一，英國Top2名校，G5名校之一。劍橋大學享有世界聲譽，在英國社會和高等教育系統(tǒng)中具有極其重要的地位，同時具有廣泛的世界性影響。許多青年學子都以到劍橋大學深造為理想。劍橋大學在2020年QS世界大學綜合排名位列第7。

項目大綱

機器學習DNN：監(jiān)督學習線性分類器到深度模型 Introduction to DNNs：From linear classifiers to deep models.

神經網絡是什么，如何運作？ 卷積神經網絡 Neural networks: what are they and how do they work? Convolutional neural networks.

循環(huán)神經網絡 Recurrent neural networks.

DNN模型系統(tǒng) Under the Hood；An exploration of the systems powering the DNN models.

項目回顧與成果展示 Program Review and Presentation

論文輔導 Project Deliverables Tutoring

時間安排與收獲

7周在線小組科研學習+5周論文輔導學習 共125課時

學術報告

優(yōu)秀學員獲主導師Reference Letter

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級別索引國際會議全文投遞與發(fā)表（可用于申請）

結業(yè)證書

成績單