重庆理工大学“深度学习”暑期讲习班
（第一季，共8期）
背景
深度学习是近年来人工智能领域里程碑式的突破技术，它使得海量数据的挖掘与分析成为了可能。深度学习在AlphaGo在战胜李世石的人机大战中走入人们的视线，然而，这一强大的技术远不止下棋，它可以让机器模拟人脑具有的听觉、视觉、记忆、推理、规划、决策、知识学习与思考功能。深度学习技术已在各个领域得到了深度发展：2016月10月19日采用深度学习技术的微软语音对话技术达至人类专业水平，Google、特斯拉、百度无人驾驶汽车，百度识图、淘宝拍立淘的的物体类别识别，支付宝刷脸付款，场景可疑人员（车辆）检测，FaceU人脸五官定位等。
重庆理工大学计算机学院大数据与机器学习系,联合中国计算机学会（CCF）重庆分部首次在2016-2017春季学期末（18、19，20周）举办以“深度学习”为主题的讲习班，旨在与大数据驱动的人工智能前沿技术领域紧密结合，为广大人工智能、大数据分析、机器学习、计算机视觉、图像/视频处理等相关领域研究人员、以及其他对该领域感兴趣的同仁、学生提供学习了解的平台。此次暑期班课程将由大数据与机器学习系的机器学习研究团队承担（包括重庆理工大学计算机学院8名教师（博士），部分研究生及重庆大学部分研究生）。课程时间： 2017.6.19-2017.7.5，共8期，其中包括一次特邀报告和7次课程内容讲授。每期讲授一个深度学习相关主题，每次以理论结合1-2个相关案例讲解。
此次首届暑期班将从2017年6月8日开始面向全校师生接受报名，报名方式：
1.http://new.mymova.com/bdml/Event99511/login
2. 扫描二维码
预期目标
1. 夯实深度学习基础，彻底入门深度学习，掌握传统神经网络、自编码的思想、特点和优化；
2. 掌握卷积神经网络CNN理论及其在图像分类、目标检测中的应用
3. 掌握深度循环网络RNN理论及其在文本分类，机器翻译中的应用
4. 搭建并掌握深度学习主流平台Tensorflow的特点及其应用
5. 掌握增强学习（Reinforcement learning）基础理论及典型应用
6. 掌握生成对抗网络（GAN）的基础理论及典型应用
7. 每位学员在指定数据集上，至少实现其中一种深度学习模型完成相应任务。
组织形式
1. 每期2小时，每次一个专题，由2-4人负责，每人讲30分钟左右；
2. 每次专题涉及理论和案例两大方面；
3. 授课地点：重庆理工大学二教1楼国际学术报告厅
日程计划
| 日期
|
主题
|
负责人
|
| 开幕
2017.6.19
周一
9:00-10:00
|
讲习班开幕：
1. 开幕词
2. 引言：人工智能之机器学习
|
校领导、研究生院院长讲话
杨武（重庆理工大学365bet官方体育投注 院长）
冯欣（重庆理工大学计算机学院教师，大数据与机器学习系 系主任）
|
| 第1期
2017.6.19
周一
10:00-12:00
|
夯实基础：
1. 夯实深度学习必备基础，及深度学习的起源与发展
（从线性模型到人工神经网络，从人工神经网络到深度学习）；
2. BP神经网络与梯度下降；
3. 线性模型及神经网络感知机在计算机视觉中的案例等
|
龙建武(组长，重庆理工大学计算机学院教师，副教授，博士)
高瑗蔚（研究生，重庆理工大学）
|
| 第2期
2017.6.21
周三
10:00-12:00
|
CNN及自编码网络：
1.卷积神经网络基本理论；
2.典型卷积神经网络结构(AlexNet, VGG, GoogLeNet, ResNet)详解；
3.自编码网络基本理论与应用案例；
|
刘智（重庆理工大学计算机学院教师，副教授，博士）
|
| 第3期
2017.6.23
周五
14:00-16:00
|
Tensorflow平台搭建及CNN典型模型应用：
1.Tensorflow介绍与平台搭建
2.基于Tensorflow的人脸图像性别识别应用案例
3.基于Tensorflow的3D卷积神经网络应用案例
4.基于Tensorflow的卷积神经网络对铁路机车识别的应用案例
|
张宜浩（组长，重庆理工大学计算机学院教师，博士）
谢桢（本科生，重庆理工大学）
刘越（研究生，重庆大学）
杨林凤（本科生，重庆理工大学）
|
| 第4期
2017.6.26
周一
10:00-12:00
|
卷积神经网络在图像目标跟踪中的典型应用：
1.RCNN，fastRCNN，fasterRCNN基础理论
2.基于RCNN行人目标检测及跟踪的应用案例
|
冯欣(组长，重庆理工大学计算机学院教师，副教授，博士)
虞智（本科生，重庆大学）
|
| 第5期
2017.6.28
周三
14:00-16:00
|
深度循环网络RNN及LSTM：
1.RNN基础理论；
2.LSTM基础理论;
3.文本向量化，词嵌入（Word-Embedding）基础理论
4.基于Tensorflow平台的文本分类应用案例
|
张宜浩，苗华(组长，重庆理工大学计算机学院教师，博士)
李渊明（研究生，重庆大学）
|
| 第6期
2017.6.30
周五
15:00-16:00
|
特邀报告：
报告人：鲁继文副教授 清华大学青年千人计划
报告题目：深度学习与视觉分析
|
主持：冯欣
|
| 第7期
2017.7.3
周一
10:00-12:00
|
增强学习及AlphaGo：
1. 增强学习基础理论；
2. 增强学习在AlphaGo中的应用;
3. 基于增强学习的flippybird应用案例
|
南海，苟光磊(组长，重庆理工大学计算机学院教师，博士)
向国徽（研究生，重庆理工大学）
|
| 第8期
2017.7.5
周三
10:00-12:00
|
生成对抗网络GAN
1.GAN基础理论；
2.GAN网络的实现;
3.GAN在头像图片生成中的应用案例;
|
冯欣，张琼敏(组长，重庆理工大学计算机学院教师，博士)
任强（研究生，重庆理工大学）
张洁，蒋友妮（研究生，重庆理工大学）
|
特邀报告
报告题目：深度学习与视觉分析
报告摘要：报告将介绍研究组近年来提出的基于深度模型的特征学习和度量学习系列方法，主要包括深度度量学习、深度哈希学习、多模态深度学习和深度共享学习等相关工作，以及它们在人脸和行人识别、图像和视频检索、物体跟踪与识别等多个视觉分析任务中的应用。
个人简介：鲁继文，清华大学自动化系副教授，博士生导师，中组部青年千人，IEEE高级会员。研究方向为计算机视觉、模式识别和机器学习，发表IEEE汇刊论文44篇（其中PAMI论文5篇，TIP论文10篇），ICCV/CVPR/ECCV论文22篇，ESI热点论文2篇，ESI高被引用论文3篇，论文被Google累计引用3300余次，SCI他引700余次。先后担任IEEE信号处理学会信息取证与安全技术委员会委员，中国图象图形学学会视觉大数据专委会常务委员，中国工程院院刊Engineering青年通讯专家、Pattern Recognition、Pattern Recognition Letters等7个国际期刊的编委或客座编委，AAAI、ICME、ICIP等12个国际会议的领域主席或专题主席。
设为主页
添加收藏
联系我们
