人工智能：走进企业的体验式学习

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。

随着人工智能技术的快速发展以及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领域，并引起了各行各业相关人员的兴趣。问题在于：人工智能的理论比较抽象，学习起来比较困难，如何能在更短的时间里，学习到更深入的东西呢？这就需要有良好的学习方法。

人工智能已经形成了一套完整的理论体系，理论搞懂了，也就是从根上搞清楚了，应用就很简单了。但如何学习理论呢？从理论到理论是没有出路的，理论来自于实践，又服务于实践。学习理论最好的方法就是在实践中学习和思考，在实践中归纳和总结。所以体验式学习恰恰是学习理论最好的方法。

本课程将采取一套全新的教学方法：首先阐述人工智能中最关键的深度学习神经网络理论，然后全体学员一起走进某国家工程实验室，与第一线人工智能技术人员进行面对面交流探讨，理解他们研发并卓有成效应用的诸如声纹识别、人脸识别、多媒体计算与处理、多维生物识别等方面的技术思维与方法。这种到第一线去体验，在体验中理解理论，在体验中感受实践，又从另一领域中的体验获取灵感，进而扩大思路，在自己所处的领域中实现创新，将会形成知识获取与应用的最佳途径。

通过这种方法进行学习，将会使学员不仅理解人工智能技术，更提升一种获取知识的能力，是一种更广博的能力提升，这也是本课程最重要的宗旨。

五、培训内容

深入理论：

第一主题 人工智能介绍

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

第二主题 深度学习之始：人工神经网络

2.1人工神经网络的设计动机是什么

2.2单个神经元的功能

2.3人工神经网络的优化以及误差逆传播（BP）算法

2.4人工神经网络中需要注意的问题

2.5人工神经网络在表情识别、流量预测中的应用案例

第三主题深度学习中的技巧和注意事项

3.1深度学习中过学习问题的处理

3.2如何选择损失函数

3.3如何并行化

3.4如何解决深度学习中梯度消失问题

3.5如何选择激励函数

3.6权值衰减、Dropout以及新的网络架构

第四主题 卷积神经网络

4.1卷积以及卷积网络的概念

4.2为什么在使用卷积网络

4.3卷积网络的结构设计

4.4卷积网络在围棋中的应用

4.5卷积神经网络在图像识别中的应用案例

第五主题 循环神经网络

5.1为什么要使用循环神经网络

5.21-of-N编码

5.3循环神经网络的介绍

5.4长短期记忆网络

5.5长短期记忆网络在自然语言处理中的应用案例

第六主题 人工智能未来展望

6.1监督学习中的新应用

6.2强制学习中的新应用

6.3非监督学习中的新应用

6.4DeepMind介绍

浅出体验：

1、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。

2、进入某身份识别国家工程实验室并参观。

3、AI产品研发过程分享：从技术信仰到价值务实。

4、产品研发案例分享：

 1）多维生物特征身份认证在安防领域中的应用

 2）多媒体分析与处理及其应用

5、讨论互动：学员提出问题并进行相互讨论，相关研发人员释疑并与学员互动。

  6、学员写出（或交流）体验的收获与体会。

7、技术负责人做最后总结。

司老师　 清华大学博士，人工智能方面专家，在意大利举办的国际在线指纹识别竞赛中获得冠军，在机器学习和模式识别领域顶级期刊IEEE TPAMI等期刊发表多篇论文，拥有5个中国专利和1个美国专利，是人工智能、深度学习、机器学习和图像处理和模式识别领域的实战派专家。