作為機器學習最重要的一個分支，近年來深度學習（Deep Learning）發(fā)展勢頭迅猛，借助龐大的數(shù)據(jù)和計算能力，深度學習已經(jīng)在計算機視覺、語音識別以及自然語言處理方面取得了巨大成就：目前幾乎所有的商用語音識別算法都是基于深度學習，針對ImageNet數(shù)據(jù)集的算法分類精度已達95%以上……

在看到深度學習對多個領(lǐng)域的賦能之后，越來越多人開始了深度學習之路。企業(yè)在進行人工智能領(lǐng)域人才招聘時也常常將深度學習以及對深度學習框架的掌握程度作為一個篩選維度。

大部分人都是從企業(yè)轉(zhuǎn)型中了解AI技術(shù)的火爆，但卻忽略了高校這股不可忽視的力量。部分高校對人工智能的研究要追溯到上個世紀的70-80年代，而在人工智能即將掀起的大潮中，高校責無旁貸地成為了AI人才培養(yǎng)的源頭。

那么，中國大陸高校AI實力到底如何？

根據(jù)麻省理工學院馬薩諸塞校區(qū)計算機與信息科學學院教授Emery Berger公布的全球院校計算機科學領(lǐng)域?qū)嵙ε琶拈_源項目CSranking排名顯示，清華大學、北京大學以及中國科學院大學分別排在了榜單的前三名，浙江大學排在第七名，南京大學排在11位，北京航空航天大學和哈爾濱工業(yè)大學并列16名。

了解了高校在人工智能領(lǐng)域的實力，那么，這些名校專家在人工智能領(lǐng)域的研究方向有什么不同呢？如何一次性獲取知名高校在人工智能研究領(lǐng)域的精華呢？

BDTC 2018（2018中國大數(shù)據(jù)技術(shù)大會）重磅推出了深度學習論壇，來自清華大學、南京大學、復(fù)旦大學、浙江大學、廈門大學、電子科技大學、西安交通大學、北京交通大學、天津大學等國內(nèi)知名高校的知名講師將帶來一整天的精彩技術(shù)分享。在深度學習的路上，你需要腳踏實地的引路人。

深度學習論壇引路者

黃萱菁（復(fù)旦大學教授）

黃萱菁博士，復(fù)旦大學教授、博士生導(dǎo)師，研究方向為人工智能、自然語言處理、信息檢索和社會媒體分析。她已經(jīng)在SIGIR, IEEE TKDE, ACL,ICML, IJCAI, AAAI, SCIS, CIKM, ISWC, EMNLP, WSDM和COLING等多個高水平國際學術(shù)期刊和會議上發(fā)表了百余篇論文。近年來擔任2014年ACM 信息與知識管理會議（CIKM）競賽主席，2015年ACM 互聯(lián)網(wǎng)搜索與數(shù)據(jù)挖掘會議（WSDM）組織者，2015年社會媒體處理大會程序委員會副主席，2016年全國計算語言學會議（CCL）程序委員會副主席，2017年國際自然語言處理與中文計算程序委員會主席等學術(shù)職務(wù)。并多次在人工智能、自然語言處理和信息檢索的國際學術(shù)會議IJCAI, ACL, SIGIR, WWW, EMNLP, COLING, CIKM, WSDM擔任程序委員會委員和資深委員。

議題：《基于深度學習的自然語言處理》

議題介紹：

近年來，深度學習技術(shù)廣泛應(yīng)用于自然語言處理，不僅在文本分類、序列標注、機器翻譯和自動問答等許多任務(wù)中取得了超越傳統(tǒng)統(tǒng)計方法的性能，而且能以端到端的方式進行訓練，避免了繁瑣的特征工程。該報告將從語言單元建模和神經(jīng)序列模型兩方面介紹基于深度學習的自然語言處理的研究現(xiàn)狀，復(fù)旦大學自然語言處理團隊在詞語、短語、句子和句對表示學習方面的近期研究工作進展，基于深度學習的中文分詞、文本分類、語篇關(guān)系分析等算法，并對自然語言處理中深度神經(jīng)網(wǎng)絡(luò)的可解釋性以及未來研究趨勢進行初步探討。

程健（中國科學院自動化研究所研究員）

程健，現(xiàn)為中國科學院自動化研究所南京人工智能芯片創(chuàng)新研究院常務(wù)副院長、人工智能與先進計算聯(lián)合實驗室主任、模式識別國家重點實驗室研究員。分別于1998年和2001年在武漢大學獲學士和碩士學位，2004年在中國科學院自動化研究所獲博士學位。2004年至2006年在諾基亞研究中心做博士后研究。2006年9月至今在中科院自動化研究所工作。目前主要從事深度學習、人工智能芯片設(shè)計、圖像與視頻內(nèi)容分析等方面研究，在相關(guān)領(lǐng)域發(fā)表學術(shù)論文100余篇，英文編著二本。曾先后獲得中科院盧嘉錫青年人才獎、中科院青年促進會優(yōu)秀會員獎、中國電子學會自然科學一等獎、教育部自然科學二等獎等。目前擔任國際期刊《Pattern Recognition》的編委，曾擔任2010年ICIMCS國際會議主席、HHME 2010組織主席、CCPR2012出版主席。

議題：《深度學習的高效計算》

議題介紹：

近年來，深度神經(jīng)網(wǎng)絡(luò)在圖像、視頻、語音、自然語言處理等諸多領(lǐng)域取得了突飛猛進的發(fā)展，已經(jīng)成為眾多智能系統(tǒng)和應(yīng)用中不可或缺的關(guān)鍵技術(shù)。同時，這些網(wǎng)絡(luò)的計算復(fù)雜度和資源消耗也隨精度的提高而不斷增加，這給網(wǎng)絡(luò)模型的部署帶來重大挑戰(zhàn)，特別是在實時性要求較高的應(yīng)用或資源受限的設(shè)備中。如何有效地計算這些網(wǎng)絡(luò)，如加速、壓縮，正成為一個關(guān)鍵問題。本報告將首先簡要介紹網(wǎng)絡(luò)加速和壓縮的發(fā)展現(xiàn)狀，然后重點介紹基于量化的高效計算方法。最后，我們將分享一些未來可能的發(fā)展方向。

潘綱（浙江大學計算機學院教授）

浙江大學計算機學院教授、博導(dǎo)，計算機輔助設(shè)計與圖形學國家重點實驗室副主任，中國人工智能學會常務(wù)理事、腦機融合與生物機器智能專委會主任委員，中國計算機學會普適計算專委會常務(wù)委員。主要研究方向為混合智能、腦機接口、類腦計算、計算機視覺、普適計算等。獲CCF-IEEE CS青年科學家獎、CCF-A類會議最佳論文獎1次、CCF-A類會議最佳論文提名獎2次。獲國家科學技術(shù)進步獎二等獎（第2完成人）、教育部科技進步一等獎（第2完成人）。

議題：《脈沖神經(jīng)網(wǎng)絡(luò)：模型與應(yīng)用》

議題介紹：

脈沖神經(jīng)網(wǎng)絡(luò)（Spiking Neural Networks）由于比傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)具有更好的生物逼真性，近年來受到研究人員越來越多的關(guān)注。通過脈沖神經(jīng)網(wǎng)絡(luò)，計算系統(tǒng)與生物神經(jīng)系統(tǒng)的連接融合有望變得更加有效與自然。本報告將介紹脈沖神經(jīng)網(wǎng)絡(luò)原理與方法，以及若干脈沖神經(jīng)網(wǎng)絡(luò)的典型應(yīng)用。同時，也將分享課題組近年在脈沖神經(jīng)網(wǎng)絡(luò)方面的研究進展。

紀榮嶸（廈門大學智能科學與技術(shù)系教授）

紀榮嶸，廈門大學教授、博士生導(dǎo)師，福建省“閩江學者”特聘教授，2014年獲國家優(yōu)青，2016年獲國家萬人計劃青年拔尖。主要研究方向為計算機視覺與多媒體技術(shù)。相關(guān)工作發(fā)表于SCI源期刊論文90余篇，包括ACM匯刊與IEEE匯刊近50篇、CCF A類國際會議長文40余篇。論文的Google Scholar引用次數(shù)5000余次，SCI引用1600余次，H-因子為33，12篇論文入選ESI高被引/熱點論文；近年來主持國家自然科學基金聯(lián)合重點項目、軍委科技委戰(zhàn)略前沿專項，國家重點研發(fā)計劃課題/子課題等；獲2007年微軟學者獎、2011年ACM Multimedia最佳論文獎、2012年哈工大優(yōu)秀博士論文、2015年省自然科學二等獎、2016年教育部技術(shù)發(fā)明一等獎。擔任多個國際期刊的副編輯，VALSE2017大會主席、ACM/IEEE高級會員。

議題：《緊致化計算機視覺分析系統(tǒng)》

議題介紹：

報告主要探索視覺大數(shù)據(jù)搜索識別系統(tǒng)中的緊湊性問題，將覆蓋紀榮嶸教授研究組近兩年來在面向視覺終端應(yīng)用的視覺特征緊湊表示和深度網(wǎng)絡(luò)壓縮中所做的一些工作與成果。在視覺特征緊湊表示方面，將介紹通過引入大規(guī)模無監(jiān)督排序信息，學習排序敏感的哈希碼，以保持原始高維特征空間中的檢索信息。在深度網(wǎng)絡(luò)壓縮方面，將介紹面向特定任務(wù)（人臉和視覺場景解析）的深度網(wǎng)絡(luò)級聯(lián)壓縮模型（串行低秩矩陣分解技術(shù)）與加速模型（結(jié)構(gòu)化稀疏約束剪枝技術(shù)）。

楊一帆（星環(huán)信息科技AI產(chǎn)品部 Chief Product Officer）

楊一帆，星環(huán)信息科技AI產(chǎn)品部 Chief Product Officer。2008年年中國科學技術(shù)大學本科畢業(yè)，后續(xù)在University of Kentucky獲得統(tǒng)計博士學位。 曾在Bank of America反洗錢部?門和阿?里里巴巴搜索事業(yè)部對抗智能團隊任職。目前就職于星環(huán)科技-人工智能產(chǎn)品部門. 有豐富的反洗錢、反作弊業(yè)務(wù)背景和統(tǒng)計學習、深度學習、圖計算研究經(jīng)歷。

議題：《大數(shù)據(jù)時代的反欺詐曲率引擎》

議題介紹：

在數(shù)據(jù)互聯(lián)、信息爆炸的今天，如何更更好的做好一套大數(shù)據(jù)時代金金融反欺詐場景的監(jiān)控、預(yù)警、識 別、管控平臺是一個巨大難題。星環(huán)的Sophon AI平臺經(jīng)過長時間在各類機器器學習、深度學習上的積累和沉淀，形成了了一套針對反欺詐中復(fù)雜關(guān)系網(wǎng)絡(luò)的深度圖和知識圖譜解決方案。這套方案結(jié)合了了 大規(guī)模圖查詢、圖模式挖掘、圖嵌入技術(shù)、風險知識圖譜和深度學習框架，構(gòu)建了了一套覆蓋全鏈路路的大數(shù)據(jù)時代金金融反欺詐場景的智能分析平臺。

鄭凱（電子科技大學教授，中組部青年千人獲得者）

鄭凱，電子科技大學教授，博士生導(dǎo)師，國家“青年千人”，四川省“千人計劃”專家。2012年于澳大利亞昆士蘭大學獲計算機科學博士學位，2012至2017年在澳大利亞昆士蘭大學先后擔任博士后研究員和講師。近年來的主要研究方向涵蓋了時空數(shù)據(jù)管理、不確定數(shù)據(jù)管理、內(nèi)存數(shù)據(jù)管理、圖數(shù)據(jù)管理以及區(qū)塊鏈數(shù)據(jù)管理等領(lǐng)域的理論基礎(chǔ)與技術(shù)應(yīng)用。在數(shù)據(jù)庫和數(shù)據(jù)挖掘等領(lǐng)域的重要會議和期刊發(fā)表論文120余篇，谷歌學術(shù)引用2200余次。曾獲得澳大利亞優(yōu)秀青年基金（2013），數(shù)據(jù)庫頂級會議ICDE最佳論文獎（2015），國際會議APWeb-WAIM和WISE最佳論文獎（2017）。擔任數(shù)據(jù)庫國際會議APWeb2016的程序主席和DASFAA2017的大會執(zhí)行主席，擔任國際SCI期刊Distributed and Parallel Databases編委，WWWJournal、Geoinformatica、Frontier of Computer Science客座編委，擔任數(shù)十個大數(shù)據(jù)與人工智能領(lǐng)域頂級會議的程序委員(TPC member)。

議題：《深度學習在時空數(shù)據(jù)管理中的應(yīng)用》

議題介紹：

近年來，深度學習的模型與技術(shù)在音視頻分析等多媒體領(lǐng)域取得了巨大的成功，在大量的產(chǎn)品和應(yīng)用中已經(jīng)逐漸取代傳統(tǒng)機器學習模型成為數(shù)據(jù)分析的主流工具。相比之下，深度學習技術(shù)在其它數(shù)據(jù)類型中的應(yīng)用則處于起步階段，有許多開放性的問題亟待研究。另一方面，作為傳統(tǒng)關(guān)系型數(shù)據(jù)的重要擴充，時空數(shù)據(jù)管理由于其在交通、氣象、城市規(guī)劃、國土資源等關(guān)鍵行業(yè)的應(yīng)用而成為了學術(shù)界和業(yè)界共同關(guān)注的課題。在此次報告中，我將結(jié)合時空數(shù)據(jù)的來源、分類以及主要特點，來介紹深度學習技術(shù)應(yīng)用在時空數(shù)據(jù)管理領(lǐng)域時的挑戰(zhàn)與機遇。此外，我還將分享深度學習技術(shù)在時空預(yù)測場景中的應(yīng)用案例。

魯繼文（清華大學自動化系副教授）

魯繼文，清華大學自動化系副教授、博士生導(dǎo)師，中組部青年千人計劃入選者，國家優(yōu)秀青年基金獲得者。主要研究方向為計算機視覺、機器學習和智能機器人，發(fā)表IEEE 匯刊論文60余篇（其中PAMI論文11篇），谷歌學術(shù)引用6100余次（H指數(shù)為40），獲IEEE 國際會議最佳論文獎2次。主持國家重點研發(fā)計劃課題1項、國家自然科學基金項目2項。曾/現(xiàn)任IEEE Transactions on Circuits and Systems for Video Technology、IEEETransactions on Biometrics, Behavior, and Identity Science、Pattern Recognition等7個國際期刊編委，中國工程院院刊Engineering青年通訊專家，ACCV、ICIP、ICME等20多個國際會議的領(lǐng)域主席。擔任IEEE信號處理學會多媒體信號處理技術(shù)委員會委員，IEEE信號處理學會信息取證與安全技術(shù)委員會委員，IEEE電路與系統(tǒng)學會多媒體系統(tǒng)與應(yīng)用技術(shù)委員會委員。

議題：《深度強化學習與視覺內(nèi)容理解》

議題介紹：

深度強化學習是人工智能領(lǐng)域的研究熱點，被認為是人類邁向通用人工智能的重要技術(shù)。深度強化學習通過將深度學習的感知能力與強化學習的決策能力相結(jié)合，以端對端的方式實現(xiàn)從輸入到輸出的感知與決策，在許多視覺內(nèi)容理解任務(wù)中取得了重要突破。報告簡述深度強化學習的基本思想和回顧近年來的研究進展，并介紹課題組近年來所提出的多個深度強化學習方法，主要包括多智能體深度強化學習、漸進式深度強化學習、上下文感知深度強化學習、圖模型深度強化學習等，以及它們在等多個視覺內(nèi)容理解任務(wù)中的應(yīng)用。

郝建業(yè)（天津大學智能與計算學部副教授，CCF青年人才托舉計劃獲得者）

郝建業(yè)，現(xiàn)任天津大學智能與計算學部副教授，博士生導(dǎo)師。哈爾濱工業(yè)大學本科，香港中文大學博士，麻省理工學院博士后研究員。2015年入選天津市“青年千人計劃專家”，2016年入選天津大學“北洋青年學者”，2017年入選中國計算機協(xié)會（CCF）“青年人才托舉計劃”。主要研究方向為多智能體系統(tǒng)、深度強化學習、 博弈論等。目前已發(fā)表高水平學術(shù)論文60余篇，專著2部。先后主持參與國家基金委、軍科委、科技部、工信部及天津市科技項目10余項。曾多次擔任強化學習會議及研討會聯(lián)合主席，擔任20余個知名國際會議程序委員會委員和知名期刊審稿人。曾榮獲ANAC國際頂級談判比賽2012年度冠軍、2015年度亞軍、澳大利亞教育部 Endeavor Fellowship、香港中文大學全球杰出研究者等。

議題：《多智能體深度強化學習》

議題介紹：

隨著AlphaGo的出現(xiàn)，近幾年深度強化學習技術(shù)成為人工智能領(lǐng)域及工業(yè)界的研究熱點，并在機器人、推薦搜索、游戲AI等一系列智能決策領(lǐng)域廣泛應(yīng)用。多智能體強化學習（群體智能+深度強化學習）是實現(xiàn)通用人工智能的重要途徑之一。本報告將首先介紹多智能體強化學習的背景及基礎(chǔ)，然后重點介紹多智能體深度強化學習的最新研究進展及其應(yīng)用。

沈超（西安交通大學教授）

沈超，博士，西安交通大學電子與信息工程學院教授/博士生導(dǎo)師，網(wǎng)絡(luò)空間安全學院副院長。國家優(yōu)秀青年科學基金獲得者，陜西省青年科技新星，中國計算機學會 YOCSEF西安副主席，中國自動化學會工業(yè)控制系統(tǒng)信息安全專委會委員。目前主要研究方向為數(shù)據(jù)驅(qū)動的網(wǎng)絡(luò)空間安全、人工智能安全、信息物理融合系統(tǒng)安全，在IEEE TDSC、IEEE TIFS、ACM CCS、IEEE DSN等權(quán)威刊物上發(fā)表論文 40余篇。主持和參與國家自然科學基金、重點研發(fā)計劃、基金委創(chuàng)新群體、裝備預(yù)研基金等課題20余項，研制多個系統(tǒng)并應(yīng)用于國家大型企業(yè)和國防單位。獲得2013年全國特征識別大會最佳論文獎，2015年全國盲信號處理大會最佳論文獎，2018年IEEE ICCSS會議最佳論文獎。

議題：《深度學習系統(tǒng)與應(yīng)用的安全初探》

議題介紹：

深度學習技術(shù)引領(lǐng)的人工智能浪潮正在為人類生產(chǎn)和生活帶來深刻的技術(shù)變革，基于“深度學習+大數(shù)據(jù)+高性能計算”的端到端解決方案為許多復(fù)雜任務(wù)提供了有效解決途徑，在某些特定領(lǐng)域其能力已經(jīng)接近甚至超越人類。但是在美好藍圖之下，深度學習系統(tǒng)及應(yīng)用在數(shù)據(jù)安全、模型安全和代碼安全等方面的安全問題也逐漸暴露出來，智能安全已經(jīng)成為一個不容忽視的問題。本次報告將從安全研究人員角度探討深度學習與安全之間的關(guān)系，分析深度學習在網(wǎng)絡(luò)空間安全領(lǐng)域的應(yīng)用潛力，以及深度學習系統(tǒng)所面臨的安全風險與威脅。

霍靜（南京大學助理教授）

霍靜，南京大學計算機科學與技術(shù)系助理研究員。2017年于南京大學計算機科學與技術(shù)系獲得博士學位并獲得南京大學優(yōu)秀畢業(yè)生稱號。主要研究方向為機器學習與計算機視覺，重點關(guān)注通過度量學習，深度學習以及生成對抗學習等技術(shù)解決跨模態(tài)數(shù)據(jù)下的人臉識別、行人重識別的問題。主持國家自然科學基金項目以及江蘇省自然科學基金項目各1項。目前在國際會議和期刊上發(fā)表了學術(shù)論文10余篇，包括ACM MM、TNNLS、TCYB等。

議題：《多模態(tài)深度學習及其視覺應(yīng)用》

議題介紹：

多模態(tài)數(shù)據(jù)在現(xiàn)實生活中廣泛存在，目前很多的視覺應(yīng)用涉及到對多模態(tài)數(shù)據(jù)的分析，檢索查詢和識別。隨著深度學習的不斷發(fā)展，目前深度學習在多模態(tài)數(shù)據(jù)處理中也起到了越來越重要的作用，包括多模態(tài)數(shù)據(jù)的特征抽取，多模態(tài)數(shù)據(jù)相似性度量以及多模態(tài)數(shù)據(jù)生成。本報告將首先介紹多模態(tài)數(shù)據(jù)分析的背景以及回顧多模態(tài)深度學習的近期研究進展，然后重點介紹課題組近年來提出的多模態(tài)深度學習方法以及相關(guān)的計算機視覺應(yīng)用。

桑基韜（北京交通大學計算機科學系教授）

桑基韜，教授，博士生導(dǎo)師，北京交通大學計算機科學系副主任。曾獲ACM中國新星獎、中科院院長特別獎、中科院百篇優(yōu)博等。現(xiàn)任中國計算機學會多媒體專委會副秘書長、人工智能與模式識別專委會委員（秘書處成員）、SIGMM中國執(zhí)委會委員等。主要研究方向為多媒體計算、網(wǎng)絡(luò)數(shù)據(jù)挖掘等。已出版Springer英文專著一部，發(fā)表論文70余篇，其中包括會議獲獎?wù)撐?篇（CCF-A類2篇）、IEEE/ACM匯刊近30余篇（第一作者10+篇）。擔任SCI期刊Neurocomputing和KSII TIIS編委，國際多媒體會議ACM Multimedia 2018和國際模式識別會議ICPR 2018領(lǐng)域主席，曾擔任國際會議PCM2015（CCF-C類）和ICIMCS2015（SIGMM China旗艦會議）程序委員會主席。主持多項國家級課題，擔任國家自然科學基金重點項目負責人，獲2016年北京市科學技術(shù)獎（基礎(chǔ)研究類，排名第二）。