【会议内容】

中国科学院计算技术研究所是国家专门的计算技术研究机构，同时也是中国信息化建设和人工智能建设的重要支撑单位，中科院计算所培训中心是致力于高端IT类人才培养及企业内训的专业培训机构。中心凭借科学院的强大师资力量，在总结多年大型软件开发和组织经验的基础上，自主研发出一整套课程体系，其目的是希望能够切实帮助中国软件企业培养高级软件技术人才，提升整体研发能力，迄今为止已先后为国家培养了数万名计算机专业人员，并先后为数千家大型国内外企业进行过专门的定制培训服务。

在国家发展的新时代，产业战略已经向创新驱动转移，从而迎接全球新一轮科技革命与产业变革的重大机遇和挑战，在这个过程中，人工智能异军突起，成为新时代的创新突破口。由于人工智能技术的领域普遍性，大批在第一线工作的技术人员需要更新知识，学习人工智能理论与实践，从而在自己的领域中实现跨越式创新。

实战进阶加深是在“人工智能：机器学习和深度学习”的基础上，进一步深入学习和实战，从理论和实践两方面提升学员人工智能产品的研发能力。由完整的案例加上具体实现驱动，针对每一个专题，描述案例场景，把知识揉进具体实现过程，通过分析、改进、实现、总结归纳的循环，建立更加深入完整的知识和能力结构。这些知识和能力，对于研发更多领域的人工智能产品来说，具有很高的萃取价值。具体事宜通知如下：

一、培训对象

架构师、分析师、项目经理、高级程序员、资深开发人员、人工智能工程师、图像处理工程师、机器学习工程师、模式识别工程师以及未来可能从事人工智能研发的技术人员。

二、培训目的

1、深层次掌握人工智能理论，寻求人工智能研发的突破口，探知核心的秘密。

2、理论应用于实际项目，不只是了解，更在于掌握。

3、以实践为导向，萃取案例精化，加深理论知识，提高研发能力。

4、把握人工智能的新应用，理解人工智能领域发展趋势。

5、一个交流探讨的高级别平台。

四、培训要点

随着国家在人工智能领域的战略布局，人工智能已经应用于各个方面：专家系统、自动推理、图像识别、模式识别、语音识别、自然语言理解、指纹识别、人脸识别、无人驾驶、推荐系统、社交网络、计算机视觉、智能机器人等。但是，有没有一种方法能迅速把握精髓，从而更快的进入人工智能的广阔天地呢？

本次培训采用深入理论+浅出实践，实战进阶加深相结合的模式，在理论上，精选最关键最重要的理论，为进一步获取相关知识打下基础。在实践上，精选目前比较有启发性的案例并进行加深，既帮助我们理解理论，更能帮助我们开阔思路，为研发相关领域的人工智能系统，提供一条思考脉络。

六、时间、地点

时间：2021年8月23日-8月27日

线下：北京

线上：直播平台（全国）

【会议日程】

第一讲人工智能简介

1.1什么是人工智能

1.2为什么要人工智能

1.3人工智能的发展简史

1.4人工智能的现实案例举例

第二讲最优分类面和支持向量机

2.1什么是最优分类面

2.2支持向量机的本质是什么

2.3支持向量机在线性不可分时怎么办

2.4支持向量机中核函数如何选择

2.5支持向量机在车牌识别中的应用案例

第三讲决策树

31什么是非数值特征

3.2为什么要引入决策树

3.3如何设计决策树

3.4如何构造随机森林

3.5决策树在医疗系统中的应用案例

第四讲深度学习之始：人工神经网络

4.1人工神经网络的设计动机是什么

4.2单个神经元的功能

4.3人工神经网络的优化以及误差逆传播（BP）算法

4.4人工神经网络中需要注意的问题

4.5人工神经网络在表情识别、流量预测中的应用案例

第五讲深度学习中的技巧和注意事项

5.1深度学习中过学习问题的处理

5.2如何选择损失函数

5.3如何并行化

5.4如何解决深度学习中梯度消失问题

5.5如何选择激励函数

5.6权值衰减、Dropout以及新的网络架构

第六讲卷积神经网络

6.1卷积以及卷积网络的概念

6.2为什么在使用卷积网络

6.3卷积网络的结构设计

6.4卷积网络在围棋中的应用

6.5卷积神经网络在图像识别中的应用案例

第七讲循环神经网络

7.1为什么要使用循环神经网络

7.21-of-N编码

7.3循环神经网络的介绍

7.4长短期记忆网络

7.5长短期记忆网络在自然语言处理中的应用案例

第八讲人工智能未来展望

8.1监督学习中的新应用

8.2强制学习中的新应用

8.3非监督学习中的新应用

8.4DeepMind介绍

第九讲使用支持向量机进行车牌识别

第十讲使用深度学习进行手写体识别、人脸识别以及自然语言处理

第十一讲机器学习项目进阶加深：实现与改进

1，支持向量机实现车牌识别：案例实现与分析改进

车牌数据预处理以及要注意的问题

特征提取及特征选择

单特征识别模型搭建

特征融合实现、改进及注意的问题

实现车牌识别全流程自动化的关键改进

2，决策树实现银行客户贷款风险预测：案例实现与分析改进

决策树的模型搭建

如何选择决策树的分裂属性以及深层次思考

如何根据测试结果进行决策树的优化

决策树中的剪枝实现

随机森林的实现及注意事项

3，讨论互动：学员提出问题并进行相互讨论

4，案例总结：萃取案例中的经验并进行推广应用

第十二讲深度学习项目进阶加深：实现与改进

1，卷积神经网络实现人脸识别：案例实现与分析改进

网络搭建

如何根据结果进行网络结构调整（逐步讲解与分析）

如何根据结果进行参数调整（逐步讲解与分析）

最终的参数如何确定（不在是混乱尝试，而是深层次理解参数的含义）

2，卷积神经网络实现手写体识别：案例实现与分析改进

网络搭建（注意与人脸识别案例的对比）

如何根据结果进行网络结构调整（注意与人脸识别案例的对比）

如何根据结果进行参数调整（注意与人脸识别案例的对比）

最终的参数如何确定（注意与人脸识别案例的对比）

3，循环神经网络实现客户评价分类：案例实现与分析改进

网络搭建

如何根据结果进行网络结构调整

如何根据结果进行参数调整

最终的参数如何确定