一、项目简介
生成对抗网络(以下简称GAN网络)被《MIT科技评论》评为 2018 年十大突破性技术，此实习的目的就是为了让学生了解并且实践GAN网络。
本项目专门为计划申请人工智能、机器学习/深度学习和机器视觉等相关方向的学生所设计。学生将跟随导师一同工作，学习深度学习，主要学习神经网络和GAN网络的相关算法。利用python/tensorflow/keras搭建实验环境，在此实验环境上，学习和实现基于深度学习的图像识别算法，学习和实现基于对抗神经网络的图像自动生成、动画人物自动生成和照片风格迁移等有趣的应用。
本项目着重提升学生科学问题的提炼、技术方案的制定能力，培养科学思维，实习结束后，导师会根据学生表现出具推荐信。
二、实习内容
本项目名称是基于GAN网络的图像自动生成研究。
1. 深度学习相关知识，包括机器学习的基本方法，深度学习/神经网络的基本概念和算法等；
2. 基于python/tensorflow/keras深度学习系统的搭建，掌握python编程基础、python函数编写，学习基于 tensorflow/keras 的深度学习程序编写；
3. 基于tensorflow/keras，学习和实现不同图像数据集下的图像识别任务，学习如何调节参数使模型表现地更好；
4. 基于tensorflow/keras，学习和实现基于生成对抗网络的自动图像生成任务，由易到难，实现自动手写数字的生成，自动动画任务的生成和照片风格迁移，最后学习人物换脸、换发型等GAN模型。
三、师资背景
任职教师为知名研究所助理研究员，主要研究方向为机器学习，及其在生物信息等问题中的应用，近几年参与国家级课题5项，申请及授权发明专利3项，以第一作者身份发表论文4篇，其中包括Nature Communications等top-3国际顶级期刊和Analytical Chemistry等国际顶级期刊论文。
四、招生对象及要求
计划申请机器学习、深度学习、人工智能、机器视觉的优秀本科生，有python和机器学习经验者更加适合，为了让学生可以更好的完成科研项目，项目组会以笔试和面试的形式对学生进行筛选。
五、行程安排
远程科研指导项目时长一个月，具体时间可根据学生需求以及项目进度进行安排。该项目优点在于对有足够长申请时间的学生而言，导师可以帮助学生更加深入、更加全面、更加系统地完成一项或几项专业领域科研任务，让学生亲身参与到整个科研项目开展的过程，体验解决科研难题的成就感，同时可以让学生了解到该领域背景及前沿动态等。
除了定期科研项目讨论课程之外，项目周期内学生可以随时向导师请教相关问题，得到导师的专业指导，让学生提前体验到一名研究人员真实的工作和生活状态。具体课程安排如下：
| 第一周 | 介绍神经网络的相关进展，介绍 GAN 网络在实际问题中的应用，GAN 在近几年取得的进展，了解为什么 GAN 能够被《MIT 科技评论》评为 2018 年十大突破性技术。 |
| 第二周 | 搭建基于 Anaconda 的 python 开发平台，搭建 tensorflow、keras 等深度学习平台。介绍 python 编程基础、python 函数编写，学习基于tensorflow/keras 的深度学习程序编写。 |
| 第三周 | 介绍深度学习相关知识，包括机器学习的基本方法，深度学习/神经网络的基本概念等，讲解神经网络的基本优化算法——梯度下降算法。基于 tensorflow/keras，学习和实现不同图像数据集下的图像识别任务，学习如何调节参数使模型表现地更好。 |
| 第四周 | 介绍 GAN 的基础知识。基于 tensorflow/keras，学习和实现基于生成对抗网络的自动图像生成任务，由易到难，实现自动手写数字的生成，自动动画任务的生成和照片风格迁移，最后学习人物换脸、换发型等 GAN 模型。 |
六、报名方式
咨询电话：010-5795-2000
地址：北京市海淀区中关村丹棱街3号中国电子大厦B座15层
