作为机器学习最重要的一个分支，近年来深度学习(Deep Learning)发展势头迅猛，借助庞大的数据和计算能力，深度学习已经在计算机视觉、语音识别以及自然语言处理方面取得了巨大成就：目前几乎所有的商用语音识别算法都是基于深度学习，针对ImageNet数据集的算法分类精度已达95%以上……
在看到深度学习对多个领域的赋能之后，越来越多人开始了深度学习之路。企业在进行人工智能领域人才招聘时也常常将深度学习以及对深度学习框架的掌握程度作为一个筛选维度。
大部分人都是从企业转型中了解AI技术的火爆，但却忽略了高校这股不可忽视的力量。部分高校对人工智能的研究要追溯到上个世纪的70-80年代，而在人工智能即将掀起的大潮中，高校责无旁贷地成为了AI人才培养的源头。
那么，中国大陆高校AI实力到底如何?
根据麻省理工学院马萨诸塞校区计算机与信息科学学院教授Emery Berger公布的全球院校计算机科学领域实力排名的开源项目CSranking排名显示，清华大学、北京大学以及中国科学院大学分别排在了榜单的前三名，浙江大学排在第七名，南京大学排在11位，北京航空航天大学和哈尔滨工业大学并列16名。
了解了高校在人工智能领域的实力，那么，这些名校专家在人工智能领域的研究方向有什么不同呢?如何一次性获取知名高校在人工智能研究领域的精华呢?
BDTC 2018(2018中国大数据技术大会)重磅推出了深度学习论坛，来自清华大学、南京大学、复旦大学、浙江大学、厦门大学、电子科技大学、西安交通大学、北京交通大学、天津大学等国内知名高校的知名讲师将带来一整天的精彩技术分享。在深度学习的路上，你需要脚踏实地的引路人。
深度学习论坛引路者
黄萱菁(复旦大学教授)
黄萱菁博士，复旦大学教授、博士生导师，研究方向为人工智能、自然语言处理、信息检索和社会媒体分析。她已经在SIGIR, IEEE TKDE, ACL, ICML, IJCAI, AAAI, SCIS, CIKM, ISWC, EMNLP, WSDM和COLING等多个高水平国际学术期刊和会议上发表了百余篇论文。近年来担任2014年ACM 信息与知识管理会议(CIKM)竞赛主席，2015年ACM 互联网搜索与数据挖掘会议(WSDM)组织者，2015年社会媒体处理大会程序委员会副主席，2016年全国计算语言学会议(CCL)程序委员会副主席，2017年国际自然语言处理与中文计算程序委员会主席等学术职务。并多次在人工智能、自然语言处理和信息检索的国际学术会议IJCAI, ACL, SIGIR, WWW, EMNLP, COLING, CIKM, WSDM担任程序委员会委员和资深委员。
议题：《基于深度学习的自然语言处理》
议题介绍：近年来，深度学习技术广泛应用于自然语言处理，不仅在文本分类、序列标注、机器翻译和自动问答等许多任务中取得了超越传统统计方法的性能，而且能以端到端的方式进行训练，避免了繁琐的特征工程。该报告将从语言单元建模和神经序列模型两方面介绍基于深度学习的自然语言处理的研究现状，复旦大学自然语言处理团队在词语、短语、句子和句对表示学习方面的近期研究工作进展，基于深度学习的中文分词、文本分类、语篇关系分析等算法，并对自然语言处理中深度神经网络的可解释性以及未来研究趋势进行初步探讨。
程健(中国科学院自动化研究所研究员)
程健，现为中国科学院自动化研究所南京人工智能芯片创新研究院常务副院长、人工智能与先进计算联合实验室主任、模式识别国家重点实验室研究员。分别于1998年和2001年在武汉大学获学士和硕士学位，2004年在中国科学院自动化研究所获博士学位。2004年至2006年在诺基亚研究中心做博士后研究。2006年9月至今在中科院自动化研究所工作。目前主要从事深度学习、人工智能芯片设计、图像与视频内容分析等方面研究，在相关领域发表学术论文100余篇，英文编著二本。曾先后获得中科院卢嘉锡青年人才奖、中科院青年促进会优秀会员奖、中国电子学会自然科学一等奖、教育部自然科学二等奖等。目前担任国际期刊《Pattern Recognition》的编委，曾担任2010年ICIMCS国际会议主席、HHME 2010组织主席、CCPR 2012出版主席。
议题：《深度学习的高效计算》
议题介绍：近年来，深度神经网络在图像、视频、语音、自然语言处理等诸多领域取得了突飞猛进的发展，已经成为众多智能系统和应用中不可或缺的关键技术。同时，这些网络的计算复杂度和资源消耗也随精度的提高而不断增加，这给网络模型的部署带来重大挑战，特别是在实时性要求较高的应用或资源受限的设备中。如何有效地计算这些网络，如加速、压缩，正成为一个关键问题。本报告将首先简要介绍网络加速和压缩的发展现状，然后重点介绍基于量化的高效计算方法。最后，我们将分享一些未来可能的发展方向。
潘纲(浙江大学计算机学院教授)
浙江大学计算机学院教授、博导，计算机辅助设计与图形学国家重点实验室副主任，中国人工智能学会常务理事、脑机融合与生物机器智能专委会主任委员，中国计算机学会普适计算专委会常务委员。主要研究方向为混合智能、脑机接口、类脑计算、计算机视觉、普适计算等。获CCF-IEEE CS青年科学家奖、CCF-A类会议最佳论文奖1次、CCF-A类会议最佳论文提名奖2次。获国家科学技术进步奖二等奖(第2完成人)、教育部科技进步一等奖(第2完成人)。
议题：《脉冲神经网络：模型与应用》
议题介绍：脉冲神经网络(Spiking Neural Networks)由于比传统的人工神经网络具有更好的生物逼真性，近年来受到研究人员越来越多的关注。通过脉冲神经网络，计算系统与生物神经系统的连接融合有望变得更加有效与自然。本报告将介绍脉冲神经网络原理与方法，以及若干脉冲神经网络的典型应用。同时，也将分享课题组近年在脉冲神经网络方面的研究进展。
纪荣嵘(厦门大学智能科学与技术系教授)
纪荣嵘，厦门大学教授、博士生导师，福建省“闽江学者”特聘教授，2014年获国家优青，2016年获国家万人计划青年拔尖。主要研究方向为计算机视觉与多媒体技术。相关工作发表于SCI源期刊论文90余篇，包括ACM汇刊与IEEE汇刊近50篇、CCF A类国际会议长文40余篇。论文的Google Scholar引用次数5000余次，SCI引用1600余次，H-因子为33，12篇论文入选ESI高被引/热点论文;近年来主持国家自然科学基金联合重点项目、军委科技委战略前沿专项，国家重点研发计划课题/子课题等;获2007年微软学者奖、2011年ACM Multimedia最佳论文奖、2012年哈工大优秀博士论文、2015年省自然科学二等奖、2016年教育部技术发明一等奖。担任多个国际期刊的副编辑，VALSE2017大会主席、ACM/IEEE高级会员。
议题：《紧致化计算机视觉分析系统》
议题介绍：报告主要探索视觉大数据搜索识别系统中的紧凑性问题，将覆盖纪荣嵘教授研究组近两年来在面向视觉终端应用的视觉特征紧凑表示和深度网络压缩中所做的一些工作与成果。在视觉特征紧凑表示方面，将介绍通过引入大规模无监督 排序 信息，学习排序敏感的哈希码，以保持原始高维特征空间中的检索信息。在深度网络压缩方面，将介绍面向特定任务(人脸和视觉场景解析)的深度网络级联压缩模型(串行低秩矩阵分解技术)与加速模型(结构化稀疏约束剪枝技术)。
杨一帆(星环信息科技AI产品部 Chief Product Officer)
杨一帆，星环信息科技AI产品部 Chief Product Officer。2008年年中国科学技术大学本科毕业，后续在University of Kentucky获得统计博士学位。 曾在Bank of America反洗钱部⻔门和阿⾥里里巴巴搜索事业部对抗智能团队任职。目前就职于星环科技-人工智能产品部门. 有丰富的反洗钱、反作弊业务背景和统计学习、深度学习、图计算研究经历。
议题：《大数据时代的反欺诈曲率引擎》
议题介绍：在数据互联、信息爆炸的今天，如何更更好的做好一套大数据时代金金融反欺诈场景的监控、预警、识 别、管控平台是一个巨大难题。星环的Sophon AI平台经过长时间在各类机器器学习、深度学习上的积累和沉淀，形成了了一套针对反欺诈中复杂关系网络的深度图和知识图谱解决方案。这套方案结合了了 大规模图查询、图模式挖掘、图嵌入技术、风险知识图谱和深度学习框架，构建了了一套覆盖全链路路的大数据时代金金融反欺诈场景的智能分析平台。
郑凯(电子科技大学教授，中组部青年千人获得者)
郑凯，电子科技大学教授，博士生导师，国家“青年千人”，四川省“千人计划”专家。2012年于澳大利亚昆士兰大学获计算机科学博士学位，2012至2017年在澳大利亚昆士兰大学先后担任博士后研究员和讲师。近年来的主要研究方向涵盖了时空数据管理、不确定数据管理、内存数据管理、图数据管理以及区块链数据管理等领域的理论基础与技术应用。在数据库和数据挖掘等领域的重要会议和期刊发表论文120余篇，谷歌学术引用2200余次。曾获得澳大利亚优秀青年基金(2013)，数据库顶级会议ICDE最佳论文奖(2015)，国际会议APWeb-WAIM和WISE最佳论文奖(2017)。担任数据库国际会议APWeb2016的程序主席和DASFAA2017的大会执行主席，担任国际SCI期刊Distributed and Parallel Databases编委，WWW Journal、Geoinformatica、Frontier of Computer Science客座编委，担任数十个大数据与人工智能领域顶级会议的程序委员(TPC member)。
议题：《深度学习在时空数据管理中的应用》
议题介绍：近年来，深度学习的模型与技术在音视频分析等多媒体领域取得了巨大的成功，在大量的产品和应用中已经逐渐取代传统机器学习模型成为数据分析的主流工具。相比之下，深度学习技术在其它数据类型中的应用则处于起步阶段，有许多开放性的问题亟待研究。另一方面，作为传统关系型数据的重要扩充，时空数据管理由于其在交通、气象、城市规划、国土资源等关键行业的应用而成为了学术界和业界共同关注的课题。在此次报告中，我将结合时空数据的来源、分类以及主要特点，来介绍深度学习技术应用在时空数据管理领域时的挑战与机遇。此外，我还将分享深度学习技术在时空预测场景中的应用案例。
鲁继文(清华大学自动化系副教授)
鲁继文，清华大学自动化系副教授、博士生导师，中组部青年千人计划入选者，国家优秀青年基金获得者。主要研究方向为计算机视觉、机器学习和智能机器人，发表IEEE 汇刊论文60余篇(其中PAMI论文11篇)，谷歌学术引用6100余次(H指数为40)，获IEEE 国际会议最佳论文奖2次。主持国家重点研发计划课题1项、国家自然科学基金项目2项。曾/现任IEEE Transactions on Circuits and Systems for Video Technology、IEEE Transactions on Biometrics, Behavior, and Identity Science、Pattern Recognition等7个国际期刊编委，中国工程院院刊Engineering青年通讯专家，ACCV、ICIP、ICME等20多个国际会议的领域主席。担任IEEE信号处理学会多媒体信号处理技术委员会委员，IEEE信号处理学会信息取证与安全技术委员会委员，IEEE电路与系统学会多媒体系统与应用技术委员会委员。
议题：《深度强化学习与视觉内容理解》
议题介绍：深度强化学习是人工智能领域的研究热点，被认为是人类迈向通用人工智能的重要技术。深度强化学习通过将深度学习的感知能力与强化学习的决策能力相结合，以端对端的方式实现从输入到输出的感知与决策，在许多视觉内容理解任务中取得了重要突破。报告简述深度强化学习的基本思想和回顾近年来的研究进展，并介绍课题组近年来所提出的多个深度强化学习方法，主要包括多智能体深度强化学习、渐进式深度强化学习、上下文感知深度强化学习、图模型深度强化学习等，以及它们在等多个视觉内容理解任务中的应用。
郝建业(天津大学智能与计算学部副教授，CCF青年人才托举计划获得者)
郝建业，现任天津大学智能与计算学部副教授，博士生导师。哈尔滨工业大学本科，香港中文大学博士，麻省理工学院博士后研究员。2015年入选天津市“青年千人计划专家”，2016年入选天津大学“北洋青年学者”，2017年入选中国计算机协会(CCF)“青年人才托举计划”。主要研究方向为多智能体系统、深度强化学习、 博弈论等。目前已发表高水平学术论文60余篇，专著2部。先后主持参与国家基金委、军科委、科技部、工信部及天津市科技项目10余项。曾多次担任强化学习会议及研讨会联合主席，担任20余个知名国际会议程序委员会委员和知名期刊审稿人。曾荣获ANAC国际顶级谈判比赛2012年度冠军、2015年度亚军、澳大利亚教育部 Endeavor Fellowship、香港中文大学全球杰出研究者等。
议题：《多智能体深度强化学习》
议题介绍：随着AlphaGo的出现，近几年深度强化学习技术成为人工智能领域及工业界的研究热点，并在机器人、推荐搜索、游戏AI等一系列智能决策领域广泛应用。多智能体强化学习(群体智能+深度强化学习)是实现通用人工智能的重要途径之一。本报告将首先介绍多智能体强化学习的背景及基础，然后重点介绍多智能体深度强化学习的最新研究进展及其应用。
沈超(西安交通大学教授)
沈超，博士，西安交通大学电子与信息工程学院教授/博士生导师，网络空间安全学院副院长。国家优秀青年科学基金获得者，陕西省青年科技新星，中国计算机学会 YOCSEF西安副主席，中国自动化学会工业控制系统信息安全专委会委员。目前主要研究方向为数据驱动的网络空间安全、人工智能安全、信息物理融合系统安全，在IEEE TDSC、IEEE TIFS、ACM CCS、IEEE DSN等权威刊物上发表论文 40余篇。主持和参与国家自然科学基金、重点研发计划、基金委创新群体、装备预研基金等课题20余项，研制多个系统并应用于国家大型企业和国防单位。获得2013年全国特征识别大会最佳论文奖，2015年全国盲信号处理大会最佳论文奖，2018年IEEE ICCSS会议最佳论文奖。
议题：《深度学习系统与应用的安全初探》
议题介绍：深度学习技术引领的人工智能浪潮正在为人类生产和生活带来深刻的技术变革，基于“深度学习+大数据+高性能计算”的端到端解决方案为许多复杂任务提供了有效解决途径，在某些特定领域其能力已经接近甚至超越人类。但是在美好蓝图之下，深度学习系统及应用在数据安全、模型安全和代码安全等方面的安全问题也逐渐暴露出来，智能安全已经成为一个不容忽视的问题。本次报告将从安全研究人员角度探讨深度学习与安全之间的关系，分析深度学习在网络空间安全领域的应用潜力，以及深度学习系统所面临的安全风险与威胁。
霍静(南京大学助理教授)
霍静，南京大学计算机科学与技术系助理研究员。2017年于南京大学计算机科学与技术系获得博士学位并获得南京大学优秀毕业生称号。主要研究方向为机器学习与计算机视觉，重点关注通过度量学习，深度学习以及生成对抗学习等技术解决跨模态数据下的人脸识别、行人重识别的问题。主持国家自然科学基金项目以及江苏省自然科学基金项目各1项。目前在国际会议和期刊上发表了学术论文10余篇，包括ACM MM、TNNLS、TCYB等。
议题：《多模态深度学习及其视觉应用》
议题介绍：多模态数据在现实生活中广泛存在，目前很多的视觉应用涉及到对多模态数据的分析，检索查询和识别。随着深度学习的不断发展，目前深度学习在多模态数据处理中也起到了越来越重要的作用，包括多模态数据的特征抽取，多模态数据相似性度量以及多模态数据生成。本报告将首先介绍多模态数据分析的背景以及回顾多模态深度学习的近期研究进展，然后重点介绍课题组近年来提出的多模态深度学习方法以及相关的计算机视觉应用。
桑基韬(北京交通大学计算机科学系教授)
桑基韬，教授，博士生导师，北京交通大学计算机科学系副主任。曾获ACM中国新星奖、中科院院长特别奖、中科院百篇优博等。现任中国计算机学会多媒体专委会副秘书长、人工智能与模式识别专委会委员(秘书处成员)、SIGMM中国执委会委员等。主要研究方向为多媒体计算、网络数据挖掘等。已出版Springer英文专著一部，发表论文70余篇，其中包括会议获奖论文7篇(CCF-A类2篇)、IEEE/ACM汇刊近30余篇(第一作者10+篇)。担任SCI期刊Neurocomputing和KSII TIIS编委，国际多媒体会议ACM Multimedia 2018和国际模式识别会议ICPR 2018领域主席，曾担任国际会议PCM2015(CCF-C类)和ICIMCS2015(SIGMM China旗舰会议)程序委员会主席。主持多项国家级课题，担任国家自然科学基金重点项目负责人，获2016年北京市科学技术奖(基础研究类，排名第二)。
议题：《深度学习解释性：从“能”到“不能”》
京公网安备 11010802041100号