你下周該看的人工智慧視頻全在這了,AI研習社下周直播預告
感謝各位開發者的支持,AI研習社大講堂、猿桌會、職播間三個直播品牌逐漸走向正軌,直播內容也越來越豐富。隨著社區的直播功能越來越受歡迎,不少企業及學術大咖也不斷入駐社區,為社區用戶帶來最新的技術講解和學術分享。從本周日至下周五,AI研習社每晚八點準時為社區用戶帶來一場高質量的直播分享活動,詳細直播信息如下,需要看直播的同學可以提前安排時間。
知識圖譜賦能企業數字化轉型
分享主題
知識圖譜賦能企業數字化轉型
分享背景
現在的市場環境下,企業面臨著競爭逐漸加劇,人力成本增加,人員流動率加快的挑戰。而隨著企業經歷了信息化的成熟階段,沉澱了大量的數據。大型的企業都開始了數字化轉型,利用前沿的技術利用海量的外部數據以及內部積累的業務數據上下游的鏈接客戶,將數據轉化為專家的經驗知識,提高工作效率,增強產品的用戶體驗和銷售。知識圖譜在企業的數字化轉型中扮演了重要的作用,北京知識圖譜科技將分享如何利用知識圖譜產品賦能企業數字化轉型。
分享嘉賓
吳剛,中科院軟體所碩士,導師是軟體所總工戴國忠研究員,主要研究方向為人機交互與智能信息處理,曾在湯森路透擔任中國區首席顧問。現為北京知識圖譜科技有限公司CEO,中文信息學會語言與知識計算專委會委員,開放知識圖譜聯盟成員。
分享提綱
公司介紹與職位介紹
知識圖譜技術概述
企業機遇與挑戰。
知識圖譜賦能企業數字化轉型
知識圖譜落地挑戰與趨勢
分享時間
9 月 16 日(星期日) 20:00
直播鏈接
http://www.mooc.ai/open/course/554
利用工況數據快速搭建工業級演算法模型
分享背景
我們團隊在短短5天之內就拿下單賽道第二名,並且在決賽逆襲二等獎。在本次公開課中,講者將分享其快速處理複雜工況數據的各種技巧。
分享嘉賓
宋穎,華南理工大學大四,國家電投總決賽二等獎,主要研究方向為數據挖掘
分享提綱
賽題的簡要解讀
特徵的高效提取
高效的特徵篩選與模型訓練
確定f1_score閾值的技巧
小數據量背景下的模型訓練技巧
分享時間
2018.9.17 周一 20:00
直播鏈接
http://www.mooc.ai/open/course/553
研習U-Net
分享背景
經典的Encoder-Decoder結構在目標分割問題中展現出了舉足輕重的作用,然而這樣一個相對固定的框架使得模型在感受野大小和邊界分割精度兩方面很難達到兼顧。本次公開課,講者以U-Net為案例分析,總結現有的分割網路創新,以及探討還有哪些有針對性的改進方向。
分享嘉賓
周縱葦,亞利桑那州立大學生物信息學在讀博士,師從Jianming Liang教授,主要研究方向為醫學圖像分析,深度學習等。其研究工作曾在 CVPR,DLMIA,EJNMMI Research發表。
分享提綱
肢解經典的U-Net結構,反思其組成元素的必要性和優缺點
解讀現有的對於U-Net結構性創新的改進思路
分享我們對其提出的一個改進方案——UNet++
分享時間
9月 18 日(星期二) 20:00
直播鏈接
http://www.mooc.ai/open/course/549
漸進式神經網路結構搜索
分享背景
近年來,神經網路已經成為了計算機視覺中主要的機器學習解決方案。然而神經網路結構的設計仍然需要極強的專業知識,在一定程度上妨礙了神經網路的普及。在本次公開課中,講者將分享在神經網路結構搜索的最新研究,如何通過由簡至繁的漸進式搜索得到在ImageNet圖像分類上最高的識別精度。
分享嘉賓
劉晨曦,約翰霍普金斯大學在讀博士,導師是Alan Yuille教授,主要研究方向為計算機視覺,自然語言處理等。曾就讀於加州大學洛杉磯分校及清華大學。其研究工作曾在CVPR,ICCV,ECCV等發表。
分享大綱
AutoML和神經網路結構搜索的背景介紹
網路結構搜索空間
漸進式神經網路結構搜索演算法
圖像分類的實驗結果
分享時間
9月19日(周三) 20:00
直播鏈接
http://www.mooc.ai/open/course/550
義原的介紹和義原的自動推薦
分享背景
義原(Sememe)在語言學中是指最小的不可再分的語義單位,而知網(HowNet)則是最著名的義原知識庫。近些年包括知網在內的語言知識庫在深度學習模型中的重要性越來越顯著,但是這些人工構建的語言知識庫往往面臨新詞不斷出現的挑戰。知網也不例外,而且其只為中、英文詞標註了義原,這限制了它在其他語言的NLP任務中的應用。因此,我們希望採用機器學習的方法為中文新詞自動推薦義原,並進一步為其他語言的詞語推薦義原。
分享嘉賓
豈凡超,清華大學計算機系在讀博士,導師是孫茂松教授,主要研究方向為自然語言處理。其研究工作曾在 EMNLP 等發表
分享提綱
義原和知網介紹
中文新詞的義原推薦 [IJCAI 2017, ACL2018]
跨語言辭彙的義原推薦 [EMNLP 2018]
分享時間
(北京時間) 9 月 20 日(星期四) 20:00
直播鏈接
http://www.mooc.ai/open/course/555
人工智慧所需的數學基礎
分享背景
隨著大數據時代的到來,深度學習越來越具有可行性。隨著深度學習的不斷火熱,也原來越多人轉行深度學習。在本次公開課中,講者將分享轉行深度學習所需要的數學基礎以及相關熱門的CNN、RNN、GAN的數學思考
分享嘉賓
張碩璽,武漢大學數學系碩士
分享提綱
深度學習為什麼熱門
深度學習所需要的數學基礎及相關思想
相關深度學習演算法數學思考
分享時間
9月21日(周五) 晚20:00
直播鏈接
http://www.mooc.ai/open/course/543
想了解更多 AI 研習社直播?
※想了解 MIT 發布的最新編程語言 Julia,這篇文章就夠了
※資源 Python學習材料
TAG:AI研習社 |