返回首页
您的位置:首页 > 新闻 > 新闻列表 > ADL

CCFADL78《深度学习:从算法到应用》开始报名

阅读量:3477 2017-03-15 收藏本文

          学科前沿讲习班

The CCF Advanced Disciplines Lectures

CCF ADL 第78期

主题 深度学习:从算法到应用

201747-9 北京

合图

作为引爆第三次AI热潮的导火索和炸药包,深度学习无疑是近年来最受瞩目的技术热点。自2006年以来,特别是2012年卷积神经网络在ImageNet图像分类任务上大获全胜以来,深度学习不仅引起了研究思想和方法论的震动,更在视觉、语音、金融、医疗诊断、自然语言理解等众多领域取得了跨越式的进步,甚至逐渐超越了人类的能力。特别重要的是,深度学习已然成为了工业界解决众多应用问题的神器。

本期CCF学科前沿讲习班《深度学习:从算法到应用》邀请了多位跨学术界和工业界的大咖,将从深度学习算法和模型,在计算机视觉、语音、自然语言处理以及时空数据分析中的应用进展,深度迁移学习,深度学习芯片设计等方面对国内外研究进展进行介绍,探讨相关技术的未来发展趋势。本讲习班旨在帮助学员了解深度学习的当前热点,特别是应用进展及前沿问题,开阔科研视野,增进学术交流和增强实践能力。

学术主任:山世光 中科院计算所研究员

主办单位:中国计算机学会

合作单位:ACM数据挖掘中国分会(KDD China)

独家合作媒体:雷锋网

特邀讲者:

孙剑

孙剑,博士,旷视科技(Face++)首席科学家、研究负责人。2003年毕业于西安交通大学人工智能与机器人研究所,毕业后加入微软亚洲研究院(Microsoft Research Asia),任至首席研究员。其主要研究方向是计算摄影学(computational photography)、人脸识别(face recognition)和基于深度学习的图像理解(deep learning based image understanding)。自2002年以来在CVPR、ICCV、ECCV、SIGGRAPH、PAMI五个顶级学术会议和期刊上发表学术论文100+篇,Google Scholar 引用 20,000+次,H-index58,两次获得CVPR Best Paper Award (2009, 2016)。孙剑博士于2010年被美国权威技术期刊Technology Review评选为“全球35岁以下杰出青年创新者”。孙剑博士带领的团队于2015年获得图像识别国际大赛五项冠军(ImageNet分类,检测和定位,MS COCO检测和分割),其团队开发出来的“深度残差网络”和“基于区域的快速物体检测”技术已经被广泛应用在学术和工业界。同时孙剑带领的团队的研究成果也广泛被应用在微软Windows, Office, Bing, Azure, Surface, Xbox等多条产品线上。目前孙剑博士正在带领旷视科技的研究团队推进计算机视觉技术的进步和探索其在工业和商业上的实践。

讲座题目: 如何在大公司和创业公司做好(计算机视觉)的研究

摘要:大公司的研发部门(例如我心爱的微软亚洲研究院)是很好的研究平台,有很多的资源、大牛和高自由度。于是就有不少人问我一个问题:在创业公司(例如我正在任职的旷视科技Face++)是否还能做研究?能否做好研究?是不是会完全被产品导向了?在讲座中,我会基于我自己在两类公司做研究的亲身经历和感受,分享一下对这个问题的个人看法。同时也会分享一些干货,包括我和同事们在大公司和创业公司的代表性成果(例如,深度残差网络)和最近研究进展(旷视科技小伙伴们今年CVPR2017的五篇论文)。

郑宇

郑宇,博士、教授、博导,微软亚洲研究院主任研究员、城市计算领域负责人、CCF杰出会员、美国计算机学会杰出科学家、ACM数据挖掘中国分会(KDD China)秘书长、上海交通大学讲座教授、香港科技大学客座教授、人工智能国际权威期刊(SCI一区刊物)ACM TIST主编,2013年被MIT科技评论评为“全球杰出青年创新者”(TR35),以主作者身份在顶尖国际会议和期刊上发表论文50余篇,论文被引用12000余次,Google Scholar H-Index 53(截至2017-3-10), 2016年论文单年被引用3200余次。他主持开发了多个城市大数据系统,其中Urban Air首次利用大数据来监测和预报细粒度空气质量,该服务覆盖了中国的300多个城市,并被中国环境保护部采用。2016年,他主持了城市大数据平台的设计和实施,并成功在中国大数据示范基地贵阳市部署。     

讲座题目: 深度学习在时空数据中的应用

摘要:本报告将探讨时空数据(区别于文本、语音和视频数据)的特性,以及深度学习技术在时空大数据上的使用和设计方法,分享基于深度学习的城市人流量预测的实战案例,并介绍深度学习和深度强化学习在围棋中的应用(围棋也可看作一种时空数据)。

余凯

余凯,博士、地平线机器人技术( Horizon Robotics )创始人& CEO。中组部“千人计划”国家特聘专家,机器学习专家,互联网人工智能领域全球领导者之一。前百度研究院执行院长,百度深度学习研究院( IDL )创始人,发起和领导了百度大脑,百度自动驾驶, BaiduEye , 以及 DuBike 等一系列创新项目。发表论文引用超过11600次,获2013年国际机器人学习大会( ICML )最佳论文奖银奖,曾任 ICML 和 NIPS 领域主席。毕业于南京大学,于慕尼黑大学获得计算机博士学位,曾在微软、西门子和 NEC 工作,并被授予中关村高端领军人才和北京市海外高层次人才。

讲座题目:深度学习在自动驾驶和智能硬件中的应用

Revolutionizing autonomous driving with deep learning

Abstract: AI has achieved historical progresses since we stepped into this new century, advancing voice recognition, computer vision, motion control, gaming, and general decision making. In the next 20 years, AI will also revolutionise cars, making them unprecedentedly safer and more convenient. In this talk I will address the challenges from the perspectives of deep learning algorithms, and also discuss the issue of computing hardwares.

颜水成

颜水成,360首席科学家,人工智能研究院院长,新加坡国立大学终身教职,IEEE Fellow, IAPR Fellow 及 ACM 杰出科学家。他的主要研究领域是计算机视觉、机器学习与多媒体分析,发表近500篇高质量学术论文,论文引用过2.5万次,H-index 70。2014、2015、2016 三次入选全球高引用学者 ( TR Highly-cited researchers )。此外,他领导的团队在五年内曾7次获得计算机视觉领域核心竞赛 PASCAL VOC 和 ILSVRC的 winner 和 honorable-mention 奖项,10余次最佳(学生)论文奖项,曾取得多媒体领域核心会议 ACM MM 最佳论文奖,最佳学生论文奖,最佳技术演示奖的大满贯。

讲座题目:深度学习的三个维度:Compactness, Speed, and Accuracy

摘要:主要介绍新加坡国立大学LV研究组以及奇虎360人工智能研究院在深度学习的Compactness, Speed, and Accuracy三个维度的进展,然后重点介绍在图像分割领域的一些最新的成果和应用。除了Network-in-Network, 主要介绍CVPR17及刚投出去的一些工作。 

李航

李航,华为技术有限公司诺亚方舟实验室主任,北京大学、南京大学客座教授,IEEE会士,ACM杰出科学家, KDD China委员。他的研究方向包括信息检索,自然语言处理,统计机器学习及数据挖掘。1988年毕业于日本京都大学电气工程系,1998年获得日本东京大学计算机科学博士。他1990年至2001年就职于日本NEC公司中央研究所,任研究员,2001年至2012年就职于微软亚洲研究院,任高级研究员与主任研究员。李航一直活跃在相关学术领域,曾出版过三部学术专著,并在顶级国际学术会议和顶级国际学术期刊上发表过120多篇学术论文,包括SIGIR, WWW, WSDM, ACL, EMNLP, ICML, NIPS, SIGKDD, AAAI, IJCAI,以及CL, NLE, JMLR, TOIS, IRJ, IPM, TKDE, TWEB, TIST。他和同事的论文获得了KDD2008最佳应用论文奖,他指导的学生获得了SIGIR2008,ACL2012最佳学生论文奖。他参与了多项产品开发,包括Microsoft SQL Server 2005, Microsoft Office 2007, Microsoft Live Search 2008, Microsoft Bing 2009, Bing 2010, Office 2010, Office 2012。他拥有42项授权美国专利。他还在顶级国际学术会议和顶级国际学术期刊担任许多重要工作,如大会程序委员会主席、资深委员、期刊编委等,包括SIGIR,WWW,WSDM,ACL,NAACL,EMNLP,NIPS,SIGKDD,ICDM,ACML,IJCAI 以及CL,IRJ,TIST,JASIST,JCST。

讲座题目:深度学习在自然语言处理的应用

摘要:本讲座对深度学习在自然语言处理的应用(Deep Learning for Natural Language Processing)作一综述。首先,简要介绍深度学习的基本技术,包括单词嵌入、卷积神经网络、循环神经网络。之后,指出自然语言处理的许多任务可以形式化为几个最基本的问题,包括分类、匹配、翻译、结构预测,讲解深度学习在这些问题上的核心技术。接着,介绍基于深度学习技术实现的一些自然语言处理应用案例,包括机器翻译、图片搜索、自然语言对话、知识问答。之后,指出神经处理和符号处理的结合应该是深度学习在自然语言处理应用的未来发展方向,并且给出一些具体实例。最后,展望与预测自然语言处理的未来发展趋势、可能的技术突破、及可能的应用前景。

俞凯

俞凯,上海交通大学计算机科学与工程系研究员,清华大学本科、硕士,英国剑桥大学工程系博士。长期从事智能语音及语言处理、人机交互、模式识别及机器学习的研究和产业化工作。中组部青年千人,NSFC优青和上海市“东方学者”特聘教授,苏州思必驰信息科技有限公司创始人及首席科学家。IEEE高级会员,中国大陆高校首位IEEE Speech and Language Processing Technical Committee 成员。现任中国声学学会语音语言、听觉及音乐分会执委会委员,中国计算机学会人机交互专委会委员,中国语音产业联盟技术工作组副组长。研究兴趣涉及语音识别、语音合成、口语理解 、对话系统、认知型人机交互等智能语音语言处理技术的多个核心技术领域,发表国际期刊和会议论文 100 余篇,获得国际语音通信联盟(ISCA)2008-2012 Computer Speech and Language Best Paper Award等4篇国际期刊和会议最优论文奖,受邀担任InterSpeech、EUSIPCO等国际会议语音识别、口语对话系统领域主席。他搭建的大规模连续语音识别系统曾获得美国国家标准局(NIST)和美国国防部内部评测冠军;负责设计实现的认知型统计对话系统获得对话系统国际挑战赛可控测试冠军等。

讲座题目:语音识别中的深度学习实践

摘要:语音是人类进行高效复杂信息交换的最主要通道,语音识别是人工智能感知技术的核心领域,也是深度学习取得最显著成功的应用领域之一。本报告将集中介绍深度学习在语音识别声学建模中的应用给,分成两部分进行。上半部分介绍语音识别的基本概念、处理流程以及以CD-DNN-HMM为代表的深度学习在语音识别中的经典应用及其理论分析。下半部分介绍深度学习在语音识别中的高级应用和技术前沿结果,包括语音识别自适应、抗噪语音识别、序列鉴别性训练等。

杨强

杨强,香港科技大学新明工程学讲座教授、 计算机系主任及大数据研究所主任、ACM数据挖掘中国分会(KDD China)主席。他的主要研究兴趣是人工智能和数据挖掘,特别是迁移学习。他是2015年国际人工智能大会(IJCAI)程序主席及2012年ACM KDD 大会主席。 他是AAAI,IEEE, AAAS 和IAPR Fellow,也是ACM TIST和IEEE 大数据期刊的创始主编。 他是国际人工智能协会AAAI 和IJCAI的常务理事。

讲座题目:深度迁移学习

摘要:迁移学习技术能够借助多个不同数据的相关性,将知识和模型从某些领域适配到其他相关的领域当中。迁移学习可以和深度学习很自然地结合。 在这个讲座中,他将介绍迁移学习和深度学习的几种结合模式,并展望其在机器学习研究和应用中的几个未来方向。

学术主任

山世光

山世光,中科院计算所研究员、博导,基金委优青,CCF青年科学奖获得者,现任中科院智能信息处理重点实验室常务副主任,中科视拓创始人、董事长兼CTO。他的研究领域为计算机视觉和机器学习。已在国内外刊物和学术会议上发表论文200余篇,其中CCF A类论文60余篇,论文被谷歌学术引用10000余次。曾应邀担任过ICCV,ACCV,ICPR,FG,ICASSP等国际会议领域主席,现任IEEE TIP, CVIU, PRL, Neurocomputing, FCS等国际学术刊物的编委(AE)。研究成果获2005年度国家科技进步二等奖,2015年度国家自然科学二等奖,CVPR2008 Best Student Poster Award Runner-up奖。

日程安排

2017年4月7日

08:30-08:45   开班仪式

08:45-09:00         合影

09:00-10:30   学术专题讲座1

题目:如何在大公司和创业公司做好(计算机视觉)的研究

孙剑,旷视科技首席科学家

10:30-12:00   学术专题讲座2

题目:深度学习在时空数据中的应用

郑宇,微软亚洲研究院主任研究员

12:30-14:00   午餐

14:00-17:00      学术专题讲座3

深度学习在自动驾驶和智能硬件中的应用

        余凯,地平线机器人技术( Horizon Robotics )创始人& CEO

2017年4月8日

09:00-12:00     学术专题讲座4

深度学习的三个维度:Compactness, Speed, and Accuracy

        颜水成,360首席科学家

12:30-14:00     午餐

14:00-17:00     学术专题讲座5

深度学习在自然语言处理中的应用

李航,华为公司诺亚方舟实验室主任

2017年4月9日

09:00-12:00      学术专题讲座6

语音识别中的深度学习实践

俞凯,上海交通大学教授、思必驰首席科学家

12:30-14:00      午餐

14:00-17:00      学术专题讲座7

深度学习迁移

杨强,香港科技大学教授

17:00                    结业式

(如有变动,以现场为准)

时间:2017年4月7-9日

地点:中科院计算技术研究所一层报告厅(海淀区科学院南路6号,暂定,请以最终确认为准)

报名方式:即日起至2017年4月5日,报名请登录 https://jinshuju.net/f/Z2hBzf 或扫描以下二维码报名

二维码

报名及缴费说明:

1、根据报名先后顺序录取,会员优先,报满为止,收到报名确认邮件后缴费;

2、 2017年4月5日(含)前注册并缴费:CCF及KDD China会员2500元/人,非会员报名同时 加入CCF 2700元/人;非会员3000元/人;现场缴费:会员、非会员均为4000元/人;CCF团体会员参加,按CCF会员标准缴费;

3、 请务必在报名表中填写CCF或KDD China会员号,不填写会员号,按非会员处理;

4、 注册费包括讲课资料、视频资料和3天会议期间午餐,其他食宿、交通自理;

5、 本期ADL给予边远地区高校两个免费名额,可免注册费,限CCF会员,需个人提出书面申请并加盖学校公章,将电子版发至adl@ccf.org.cn, CCF将按照申请顺序进行录取。

缴费方式: 银行转账(支持网银、支付宝):

开户行:北京银行北京大学支行;

户名:中国计算机学会

账号:0109 0519 5001 2010 9702 028

请务必注明:姓名+ADL78

 

联系邮箱: adl@ccf.org.cn

电话: 010-62600321-16