一、项目简介
随着Alpha Go在职业围棋大赛中立于不败之地,深度学习在职业围棋大赛中立于不败之地,深度学习在职业围棋大赛中立于不败之地,深度学习再次将人工智能推上了万众瞩目的舞台。目前,深度学习已经入到我们生活的方面,不仅在图像识别、语音智能驾驶等领域屡创佳绩,它在路线规划、语音实时翻译、智慧医疗等领域也都崭露头角,可以说深度学习正在改变时翻译、智慧医疗等领域也都崭露头角,可以说深度学习正在改变时翻译、智慧医疗等领域也都崭露头角,可以说深度学习正在改变我们的世界。
近年来,学术界和工业都非常青睐深度习方面的人才。本课程旨在全面介绍深度学习目前的研究和应用现状,详细阐述主流模型设计思路;同时将理论与实践相结合,以社交网络用户建模为应例指导学生迅速掌握深度学习平台和方法。
实结束后,导师会根据生表现出具推荐信。
二、项目内容
本项目旨在通过理论和实践相结合的方法,让学生学习深度学习相关理论基础、快速掌握深度学习主流平台。课程将全面介绍深度学习目前在文本、语音、图像识别中的应用现状和发展趋势,同时对主流深度学习模型(以卷积神经网络为例)从理论原到具体实现进行一个深度的剖析。此外,课程将以社交网络用户建模为应用实例,指导学生采用深度习模型解决实际问题,培养学生的创新思维和独立解决问题能力、为深度学习的进一步和应用打下良好的基础。
三、师资背景
任职教师为中国科学院某知名所副研究员。主要方向是数据挖掘、深度学习、社会计算等,在AAAI、ICDM、PAKDDA 等国际知名会议和期刊上发表论文30余篇。担任多个国际会议余篇。担任多个国际会议PCchair和审稿人,具有一定的学术影响力。
四、招生对象及要求
大二以上优秀本科生及有较高计算机水平的高中生,计划申请自动化、算机,软件工程、交叉学科(如商金融等数据分析)相关专业。为了让生更好地完成科研项目,组会以笔试和面的形式对学进行筛选。
五、行程安排
远程科研指导项目时长一个月,具体间可根据学生需求以及进度行安排。该项目优点在于对有足够长申请时间的学生而言,导师可以帮助生更加深入、全面和系统性地完成一项或几专业领域科研任务,让学生亲身参与到整个科研项目开展的过程中来,体验解决难题成就感同时让学生深入了解该领域背景和前沿动态等。除定期科研项目讨论课程之外,周期内学生可以随时向导师请教相关问题,得到的专业指让提前体验到一名研究人员真实的工作和生活状态。具课程安排如下:
第一周 | 深度学习概念、应用和开发平台:的基本, 深度学习概念、应用和开发平台:的基本, 深度学习概念、应用和开发平台:的基本, 机器学习方法的统一设计框架,几种主流深度模型(卷积神 机器学习方法的统一设计框架,几种主流深度模型(卷积神 机器学习方法的统一设计框架,几种主流深度模型(卷积神 经网络、循环神对抗生成等)的应用领域和发展前 经网络、循环神对抗生成等)的应用领域和发展前 经网络、循环神对抗生成等)的应用领域和发展前 经网络、循环神对抗生成等)的应用领域和发展前 经网络、循环神对抗生成等)的应用领域和发展前 景。学习和掌握至少一种深度开发框架(如 tensorflowensorflowensorflow ensorflow 平 台)。约定时间与 台)。约定时间与 学生在线交流习中存的问题并给以解答。 |
第二周 | 卷积神经网 络详解:以为例,细介绍传统卷积神经网 络详解:以为例,细介绍传统卷积神经网 络详解:以为例,细介绍传统络、 BP神经网络、卷积模型的原理实现思想在 神经网络、卷积模型的原理实现思想在 tensorflowensorflowensorflow ensorflow 平台中实现具体例。安排学生习相关文献,约定 平台中实现具体例。安排学生习相关文献,约定 平台中实现具体例。安排学生习相关文献,约定 平台中实现具体例。安排学生习相关文献,约定 时间与学生在线交流习中存的问题 并给以解答。 |
第三周 | 社交网络用户建模研究介绍:详细阐述该课题的背景、国内 社交网络用户建模研究介绍:详细阐述该课题的背景、国内 社交网络用户建模研究介绍:详细阐述该课题的背景、国内 外的研究现状,介绍传统方 法(多种分类和标签播外的研究现状,介绍传统方 法(多种分类和标签播外的研究现状,介绍传统方 法(多种分类和标签播法)的基本思想,采用深度学习模型解决该问题路。安 法)的基本思想,采用深度学习模型解决该问题路。安 法)的基本思想,采用深度学习模型解决该问题路。安 法)的基本思想,采用深度学习模型解决该问题路。安 法)的基本思想,采用深度学习模型解决该问题路。安 排学生习相关文献,约定时间与在线交流中存的问 排学生习相关文献,约定时间与在线交流中存的问 题并给以解答。 |
第四周 | 基于深度学习的社交网络 用户建模研究实战:详细介绍基于深度学习的社交网络 用户建模研究实战:详细介绍用户建模的数据集、相关对比算法,指导学生基于 用户建模的数据集、相关对比算法,指导学生基于 用户建模的数据集、相关对比算法,指导学生基于 tensorflowensorflowensorflow ensorflow 平 台实现一个基于卷积神经网络的用户画像方法。安排学生习相 台实现一个基于卷积神经网络的用户画像方法。安排学生习相 关文献,约定时间与学生在线交流习中存的问题并给以解答。 |