課程

• 視覺問答與對話系統(tǒng)的新技術進展

  案例背景:
  對于跨模態(tài)信息的處理是目前很多推薦、廣告、檢索等智能系統(tǒng)的核心問題之一，尤其是針對跨模態(tài)的問答與對話技術。我們將討論如何應用深度學習模型對視覺問答系統(tǒng)于視覺對話系統(tǒng)提出新的技術解決方案。
  
  解決思路:
  我們將討論利用多模態(tài)信息的融合、圖卷積模型來設計相應的對話系統(tǒng)與問答系統(tǒng)。并考慮如何更好的利用知識圖譜與先驗的關系信息。
  
  成果:
  研究成果已經(jīng)發(fā)布了國際同行認可的頂級期刊和會議。期待在實際工業(yè)落地的應用。
  Jing Yu, Weifeng Zhang, Yuhang Lu, Zengchang Qin, Yue Hu, Jianlong Tan, Qi Wu (2020), Reasoning on the relation: enhancing visual representation for visual question answering and cross-modal retrieval, IEEE Transaction on Multimedia (IF=5.452).
  3. Weifeng Zhang, Jing Yu, Hua Hu, Haiyang Hu, Zengchang Qin (2020), Multimodal feature fusion by relational reasoning and attention for visual question answering, Information Fusion (IF=10.716), Vol. 55: pp. 116-126.
  Xiaoze Jiang, Jing Yu, Zengchang Qin, Yingying Zhuang, Xingxing Zhang, Yue Hu and Qi Wu (2020), DualVD: An adaptive dual encoding model for deep visual understanding in visual dialogue, Proceedings of National Conference on Artificial Intelligence (AAAI-2020)
  

  暫無課程排期

• 深度學習詳解

  1.熟悉和掌握深度學習背后的核心原理：從矩陣運算到隨機梯度下降，了解不同深度學習模型的原理與優(yōu)缺點。
  2.深刻理解深度學習模型的關聯(lián)與邏輯關系，了解深度學習在機器視覺、自然語言處理及其他領域的應用。
  3.課程將提供學員經(jīng)過老師精心整理的配套學習資料和經(jīng)典論文，在課程的不同階段給學員用來復習和學習。
  4.課程采用雙語形式，課件為英文，用中文講授，為直接學習國際最前沿的技術論文打下良好基礎。

  暫無課程排期
  工程師

• chatGPT與AI2.0技術

  openai發(fā)布的chatgpt在人工智能科技行業(yè)掀起一陣浪潮，有人說，chatgpt帶來的是新一輪人工智能技術革命，且未來chatgpt延伸出的各種落地應用將會改寫無數(shù)擁有數(shù)字化能力企業(yè)的生產(chǎn)模式。伴隨chatgpt的大熱，AIGC(即利用AI技術進行內(nèi)容生產(chǎn)創(chuàng)作）這一概念也逐漸走進大眾視野。本次分享將帶領學員深入解析支撐chatgpt背后的大模型技術，以及分享目前國內(nèi)外AIGC的發(fā)展現(xiàn)狀與挑戰(zhàn)。最后，通過chatgpt的誕生來一同探討未來AI2.0時代企業(yè)應該具備的基礎建設與能力

  暫無課程排期
  工程師

• 機器智能基礎理論探索（系列1）

  本課程全面覆蓋機器智能的哲學基礎、歷史發(fā)展、編程算法、數(shù)學原理及經(jīng)典機器學習模型。從自然語言的數(shù)學解讀到現(xiàn)代人工智能的應用，再到Python編程與算法實現(xiàn)，逐步深入。課程深入探討線性代數(shù)、概率統(tǒng)計等數(shù)學工具在機器智能中的應用，并詳細介紹監(jiān)督學習、決策樹、樸素貝葉斯、支撐向量機等經(jīng)典機器學習模型，旨在培養(yǎng)學生的算法思維與機器智能應用能力。

  暫無課程排期
  工程師

• 機器學習與神經(jīng)網(wǎng)絡實踐進階(系列2）

  本課程專注于統(tǒng)計學習、神經(jīng)網(wǎng)絡基礎、卷積網(wǎng)絡應用及循環(huán)神經(jīng)網(wǎng)絡與自然語言處理。通過貝葉斯統(tǒng)計、混合模型、主題模型等，深入探索統(tǒng)計學習精髓。進一步掌握神經(jīng)網(wǎng)絡的基本原理，包括激活函數(shù)、反向傳播等。課程還涉及卷積網(wǎng)絡在計算機視覺中的應用，以及循環(huán)神經(jīng)網(wǎng)絡在自然語言處理領域的實踐，如LSTM時序建模、神經(jīng)語言模型等，旨在全面提升學生在機器學習與神經(jīng)網(wǎng)絡領域的專業(yè)技能。

  暫無課程排期
  工程師

• 前沿深度學習與智能模型創(chuàng)新（系列3）

  本課程深入探索深度生成模型、圖神經(jīng)網(wǎng)絡、大語言模型、跨模態(tài)大模型以及深度增強學習等前沿領域。從Transformer到對抗生成網(wǎng)絡，全面理解深度生成模型的核心原理與應用。同時，圖神經(jīng)網(wǎng)絡部分涵蓋圖卷積網(wǎng)絡及注意力機制，拓展非結(jié)構(gòu)數(shù)據(jù)的深度學習應用。此外，課程還將講解大語言模型的發(fā)展，并探索跨模態(tài)大模型在語義空間和跨模態(tài)檢索中的應用，最后深入講解深度增強學習在實踐中的應用。

  暫無課程排期
  工程師

大會議題