人工智能知识分享 探究让机器聪明的秘密
首先,不要一提到人工智能就想着机器人。机器人只是人工智能的容器,机器人有时候是人形,有时候不是,但是人工智能自身只是机器人体内的电脑。人工智能是大脑的话,机器人就是身体——而且这个身体不一定是必需的。

人工智能技术目前已经来到了我们身边,我们时常接触的Siri、小冰还有一鸣惊人的AlphaGo就是最好的例子。人工智能技术每天都要在我们的生活中多次出现,每年为经济作出几千亿美元的贡献,并且正在不断取得稳步进展。

我们当前的这个时代是人工智能发展的极佳时期,因为近期计算机硬件的发展使人们可以处理许多以前由于价格昂贵而不敢问津的问题。此外,无线网络与蜂窝数据网络高速发展,这意味着这些令人激动的全新应用程序将不再只禁锢于研究实验室,它们可以成为网络上为所有人享用的服务。

7月16日人工智能知识分享沙龙,让我们一起探究让机器聪明的秘密!


  【沙龙主题】人工智能知识分享


  【活动形式】网络形式

  【活动时间】2016年7月16日


  【活动主题】

主题一:从神经网络到深度学习:过去,现在与未来(演讲嘉宾:黄志洪 炼数成金创始人)(近期将会发布,请关注)


主题二:计算视觉大数据应用案例及深度学习框架探索(演讲嘉宾:刘衍琦 《MATLAB图像与视频处理实用案例详解》作者)(已发布,会员可到下方下载课件和视频)


主题三:初探神经网络——原理与应用(演讲嘉宾:葛一鸣 《自己动手写神经网络》作者)(已发布,会员可到下方下载课件和视频


如果您对本活动有兴趣或愿意来分享相关主题,请与我们联系!)


演讲主题简述如下:

演讲主题:从神经网络到深度学习:过去,现在与未来

主题内容:从提出人工神经网络到今天已经70年,经历过多次起落。深度学习是传统神经网络的发展延伸,随着AlphaGo的热潮成为当前机器学习最火热的前沿方向之一,预计在今后数年以深度学习为主要内容的人工智能将形成继云计算,大数据后的新热点。深度学习正在引发一场深刻的技术革命,这是人类首次如此接近思维的本质。象手写体识别,脸像识别这类系统,过去的思路是从业务背景中线提取特征,然后产生若干辨识逻辑,再形成算法编程实现,但对于像imagenet那样要对上百万的图片进行上千个分类识别的问题,以往的技术就傻眼了,别说逻辑,连特征的提取都因为过于复杂而没办法进行。现在流行的深度学习网络的方法,把逻辑隐藏在成百上千万的神经网络权值里,让特征被自动识别与提取,却能得出让人吃惊的高准确率。给出通用的框架,通过大量学习数据训练出合适的权值,权值就是逻辑,这是未来的方向,那种先设计算法敲代码的日子该一去不复返了,以后甚至程序员的工作都由机器全部完成也不是没有可能。


演讲人:黄志洪(Tigerfish),著名数据库社区ITPUB创始人,中山大学海量数据与云计算研究中心主任。数据库专家,数据分析专家,有丰富的IT领域、数学领域的知识经验。


演讲主题:计算视觉大数据应用案例及深度学习框架探索

主题内容:面对海量的互联网图像数据,如何有效的搜索感兴趣的关键图?面对包含文字的图像,如何高效的抽取其文字信息?拥有自主版权设计的图像,却不经意间被篡改、盗图,如何来自动检测发现侵权事件?面对互联网常见的验证码认证体系,如何来有效的自动识别?本次技术分享将从已在线上实际应用的案例入手,介绍如何将计算视觉应用到互联网图像大数据,以及如何来进行算法原型的设计、开发。此外,本次介绍还将通过对深度学习框架的探索,尝试利用已有的模型来进行一些有趣的应用。


演讲人:刘衍琦,中科院计算所烟台分所大数据事业部-项目经理/研发工程师,研究生毕业于大连理工大学数学科学学院计算几何与图形图像重点实验室。多年来一直从事计算机视觉应用开发,涉及到互联网海量图像/声纹/视频检索、基于OCR的图文大数据应用系统,医疗影像大数据应用系统、图像版权防盗检测系统、安防智能监控系统等实际项目的算法架构与研发工作,对百亿级规模的以图搜图、互联网图像数据采集与挖掘等方面进行过深入的研究与应用,对图像与视频大数据分析具有深刻的认识。曾参与多项国家级核心项目的研发,取得一系列具有实用价值的成果。通过对项目的技术积累,已出版《MATLAB图像与视频处理实用案例详解》、《Matlab数值计算案例分析》、《Matlab N个实用技巧》等多部图书,新书《计算机视觉与数学》即将出版。


演讲主题:初探神经网络——原理与应用

主题内容:介绍神经网络的基本原理以及一款神经网络实验工具箱,并将该神经网络工具箱应用于自动分类以及人脸识别。


演讲人:葛一鸣:计算机软件与理论专业硕士学位。取得了国家认证系统分析师职称)。10余年Java学习和开发经验,参与开发过多个软件项目。对Java程序设计,JVM有一定的研究。对设计模式、人工智能、神经网络、数据挖掘等技术有浓厚兴趣。

GMT+8, 2017-1-19 14:26 , Processed in 0.046127 second(s), 12 queries .