頂尖AI技術人才稀缺，在校生還能追上這波浪潮嗎？
作為機器學習最重要的一個分支，近年來深度學習（Deep Learning）發展勢頭迅猛，藉助龐大的資料和計算能力，深度學習已經在計算機視覺、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演算法都是基於深度學習，針對ImageNet資料集的演算法分類精度已達95%以上……
在看到深度學習對多個領域的賦能之後，越來越多人開始了深度學習之路。企業在進行人工智慧領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轉型中瞭解AI技術的火爆，但卻忽略了高校這股不可忽視的力量。部分高校對人工智慧的研究要追溯到上個世紀的70-80年代，而在人工智慧即將掀起的大潮中，高校責無旁貸地成為了AI人才培養的源頭。
那麼，中國大陸高校AI實力到底如何？
根據麻省理工學院馬薩諸塞校區計算機與資訊科學學院教授Emery Berger公佈的全球院校電腦科學領域實力排名的開源專案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大學並列16名。
瞭解了高校在人工智慧領域的實力，那麼，這些名校專家在人工智慧領域的研究方向有什麼不同呢？如何一次性獲取知名高校在人工智慧研究領域的精華呢？
BDTC 2018（2018中國大資料技術大會）重磅推出了深度學習論壇，來自清華大學、南京大學、復旦大學、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、天津大學等國內知名高校的知名講師將帶來一整天的精彩技術分享。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（復旦大學教授）
黃萱菁博士，復旦大學教授、博士生導師，研究方向為人工智慧、自然語言處理、資訊檢索和社會媒體分析。她已經在SIGIR, IEEE TKDE, ACL, ICML, IJCAI, AAAI, SCIS, CIKM, ISWC, EMNLP, WSDM和COLING等多個高水平國際學術期刊和會議上發表了百餘篇論文。近年來擔任2014年ACM 資訊與知識管理會議（CIKM）競賽主席，2015年ACM 網際網路搜尋與資料探勘會議（WSDM）組織者，2015年社會媒體處理大會程式委員會副主席，2016年全國計算語言學會議（CCL）程式委員會副主席，2017年國際自然語言處理與中文計算程式委員會主席等學術職務。並多次在人工智慧、自然語言處理和資訊檢索的國際學術會議IJCAI, ACL, SIGIR, WWW, EMNLP, COLING, CIKM, WSDM擔任程式委員會委員和資深委員。
議題：《基於深度學習的自然語言處理》
議題介紹：
近年來，深度學習技術廣泛應用於自然語言處理，不僅在文字分類、序列標註、機器翻譯和自動問答等許多工中取得了超越傳統統計方法的效能，而且能以端到端的方式進行訓練，避免了繁瑣的特徵工程。該報告將從語言單元建模和神經序列模型兩方面介紹基於深度學習的自然語言處理的研究現狀，復旦大學自然語言處理團隊在詞語、短語、句子和句對錶示學習方面的近期研究工作進展，基於深度學習的中文分詞、文字分類、語篇關係分析等演算法，並對自然語言處理中深度神經網路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，現為中國科學院自動化研究所南京人工智慧晶片創新研究院常務副院長、人工智慧與先進計算聯合實驗室主任、模式識別國家重點實驗室研究員。分別於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後研究。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、人工智慧晶片設計、影象與視訊內容分析等方面研究，在相關領域發表學術論文100餘篇，英文編著二本。曾先後獲得中科院盧嘉錫青年人才獎、中科院青年促進會優秀會員獎、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、CCPR 2012出版主席。
議題：《深度學習的高效計算》
議題介紹：
近年來，深度神經網路在影象、視訊、語音、自然語言處理等諸多領域取得了突飛猛進的發展，已經成為眾多智慧系統和應用中不可或缺的關鍵技術。同時，這些網路的計算複雜度和資源消耗也隨精度的提高而不斷增加，這給網路模型的部署帶來重大挑戰，特別是在實時性要求較高的應用或資源受限的裝置中。如何有效地計算這些網路，如加速、壓縮，正成為一個關鍵問題。本報告將首先簡要介紹網路加速和壓縮的發展現狀，然後重點介紹基於量化的高效計算方法。最後，我們將分享一些未來可能的發展方向。
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，計算機輔助設計與圖形學國家重點實驗室副主任，中國人工智慧學會常務理事、腦機融合與生物機器智慧專委會主任委員，中國計算機學會普適計算專委會常務委員。主要研究方向為混合智慧、腦機介面、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：《脈衝神經網路：模型與應用》
議題介紹：
脈衝神經網路（Spiking Neural Networks）由於比傳統的人工神經網路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注。通過脈衝神經網路，計算系統與生物神經系統的連線融合有望變得更加有效與自然。本報告將介紹脈衝神經網路原理與方法，以及若干脈衝神經網路的典型應用。同時，也將分享課題組近年在脈衝神經網路方面的研究進展。
紀榮嶸（廈門大學智慧科學與技術系教授）
紀榮嶸，廈門大學教授、博士生導師，福建省“閩江學者”特聘教授，2014年獲國家優青，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。相關工作發表於SCI源期刊論文90餘篇，包括ACM彙刊與IEEE彙刊近50篇、CCF A類國際會議長文40餘篇。論文的Google Scholar引用次數5000餘次，SCI引用1600餘次，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合重點專案、軍委科技委戰略前沿專項，國家重點研發計劃課題/子課題等；獲2007年微軟學者獎、2011年ACM Multimedia最佳論文獎、2012年哈工大優秀博士論文、2015年省自然科學二等獎、2016年教育部技術發明一等獎。擔任多個國際期刊的副編輯，VALSE2017大會主席、ACM/IEEE高階會員。
議題：《緊緻化計算機視覺分析系統》
議題介紹：
報告主要探索視覺大資料搜尋識別系統中的緊湊性問題，將覆蓋紀榮嶸教授研究組近兩年來在面向視覺終端應用的視覺特徵緊湊表示和深度網路壓縮中所做的一些工作與成果。在視覺特徵緊湊表示方面，將介紹通過引入大規模無監督排序資訊，學習排序敏感的雜湊碼，以保持原始高維特徵空間中的檢索資訊。在深度網路壓縮方面，將介紹面向特定任務（人臉和視覺場景解析）的深度網路級聯壓縮模型（序列低秩矩陣分解技術）與加速模型（結構化稀疏約束剪枝技術）。
楊一帆（星環資訊科技AI產品部 Chief Product Officer）
楊一帆，星環資訊科技AI產品部 Chief Product Officer。2008年年中國科學技術大學本科畢業，後續在University of Kentucky獲得統計博士學位。 曾在Bank of America反洗錢部⻔門和阿⾥裡裡巴巴搜尋事業部對抗智慧團隊任職。目前就職於星環科技-人工智慧產品部門. 有豐富的反洗錢、反作弊業務背景和統計學習、深度學習、圖計算研究經歷。
議題：《大資料時代的反欺詐曲率引擎》
議題介紹：
在資料互聯、資訊爆炸的今天，如何更更好的做好一套大資料時代金金融反欺詐場景的監控、預警、識 別、管控平臺是一個巨大難題。星環的Sophon AI平臺經過長時間在各類機器器學習、深度學習上的積累和沉澱，形成了了一套針對反欺詐中複雜關係網路的深度圖和知識圖譜解決方案。這套方案結合了了 大規模圖查詢、圖模式挖掘、圖嵌入技術、風險知識圖譜和深度學習框架，構建了了一套覆蓋全鏈路路的大資料時代金金融反欺詐場景的智慧分析平臺。
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，博士生導師，國家“青年千人”，四川省“千人計劃”專家。2012年於澳大利亞昆士蘭大學獲電腦科學博士學位，2012至2017年在澳大利亞昆士蘭大學先後擔任博士後研究員和講師。近年來的主要研究方向涵蓋了時空資料管理、不確定資料管理、記憶體資料管理、圖資料管理以及區塊鏈資料管理等領域的理論基礎與技術應用。在資料庫和資料探勘等領域的重要會議和期刊發表論文120餘篇，谷歌學術引用2200餘次。曾獲得澳大利亞優秀青年基金（2013），資料庫頂級會議ICDE最佳論文獎（2015），國際會議APWeb-WAIM和WISE最佳論文獎（2017）。擔任資料庫國際會議APWeb2016的程式主席和DASFAA2017的大會執行主席，擔任國際SCI期刊Distributed and Parallel Databases編委，WWW Journal、Geoinformatica、Frontier of Computer Science客座編委，擔任數十個大資料與人工智慧領域頂級會議的程式委員(TPC member)。
議題：《深度學習在時空資料管理中的應用》
議題介紹：
近年來，深度學習的模型與技術在音視訊分析等多媒體領域取得了巨大的成功，在大量的產品和應用中已經逐漸取代傳統機器學習模型成為資料分析的主流工具。相比之下，深度學習技術在其它資料型別中的應用則處於起步階段，有許多開放性的問題亟待研究。另一方面，作為傳統關係型資料的重要擴充，時空資料管理由於其在交通、氣象、城市規劃、國土資源等關鍵行業的應用而成為了學術界和業界共同關注的課題。在此次報告中，我將結合時空資料的來源、分類以及主要特點，來介紹深度學習技術應用在時空資料管理領域時的挑戰與機遇。此外，我還將分享深度學習技術在時空預測場景中的應用案例。
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、博士生導師，中組部青年千人計劃入選者，國家優秀青年基金獲得者。主要研究方向為計算機視覺、機器學習和智慧機器人，發表IEEE 彙刊論文60餘篇（其中PAMI論文11篇），谷歌學術引用6100餘次（H指數為40），獲IEEE 國際會議最佳論文獎2次。主持國家重點研發計劃課題1項、國家自然科學基金專案2項。曾/現任IEEE Transactions on Circuits and Systems for Video Technology、IEEE Transactions 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多個國際會議的領域主席。擔任IEEE訊號處理學會多媒體訊號處理技術委員會委員，IEEE訊號處理學會資訊取證與安全技術委員會委員，IEEE電路與系統學會多媒體系統與應用技術委員會委員。
議題：《深度強化學習與視覺內容理解》
議題介紹：
深度強化學習是人工智慧領域的研究熱點，被認為是人類邁向通用人工智慧的重要技術。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合，以端對端的方式實現從輸入到輸出的感知與決策，在許多視覺內容理解任務中取得了重要突破。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，並介紹課題組近年來所提出的多個深度強化學習方法，主要包括多智慧體深度強化學習、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容理解任務中的應用。
郝建業（天津大學智慧與計算學部副教授，CCF青年人才託舉計劃獲得者）
郝建業，現任天津大學智慧與計算學部副教授，博士生導師。哈爾濱工業大學本科，香港中文大學博士，麻省理工學院博士後研究員。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會（CCF）“青年人才託舉計劃”。主要研究方向為多智慧體系統、深度強化學習、 博弈論等。目前已發表高水平學術論文60餘篇，專著2部。先後主持參與國家基金委、軍科委、科技部、工信部及天津市科技專案10餘項。曾多次擔任強化學習會議及研討會聯合主席，擔任20餘個知名國際會議程式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、香港中文大學全球傑出研究者等。
議題：《多智慧體深度強化學習》
議題介紹：
隨著AlphaGo的出現，近幾年深度強化學習技術成為人工智慧領域及工業界的研究熱點，並在機器人、推薦搜尋、遊戲AI等一系列智慧決策領域廣泛應用。多智慧體強化學習（群體智慧+深度強化學習）是實現通用人工智慧的重要途徑之一。本報告將首先介紹多智慧體強化學習的背景及基礎，然後重點介紹多智慧體深度強化學習的最新研究進展及其應用。
沈超（西安交通大學教授）
沈超，博士，西安交通大學電子與資訊工程學院教授/博士生導師，網路空間安全學院副院長。國家優秀青年科學基金獲得者，陝西省青年科技新星，中國計算機學會 YOCSEF西安副主席，中國自動化學會工業控制系統資訊保安專委會委員。目前主要研究方向為資料驅動的網路空間安全、人工智慧安全、資訊物理融合系統安全，在IEEE TDSC、IEEE TIFS、ACM CCS、IEEE DSN等權威刊物上發表論文 40餘篇。主持和參與國家自然科學基金、重點研發計劃、基金委創新群體、裝備預研基金等課題20餘項，研製多個系統並應用於國家大型企業和國防單位。獲得2013年全國特徵識別大會最佳論文獎，2015年全國盲訊號處理大會最佳論文獎，2018年IEEE ICCSS會議最佳論文獎。
議題：《深度學習系統與應用的安全初探》
議題介紹：
深度學習技術引領的人工智慧浪潮正在為人類生產和生活帶來深刻的技術變革，基於“深度學習+大資料+高效能運算”的端到端解決方案為許多複雜任務提供了有效解決途徑，在某些特定領域其能力已經接近甚至超越人類。但是在美好藍圖之下，深度學習系統及應用在資料安全、模型安全和程式碼安全等方面的安全問題也逐漸暴露出來，智慧安全已經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係，分析深度學習在網路空間安全領域的應用潛力，以及深度學習系統所面臨的安全風險與威脅。
霍靜（南京大學助理教授）
霍靜，南京大學電腦科學與技術系助理研究員。2017年於南京大學電腦科學與技術係獲得博士學位並獲得南京大學優秀畢業生稱號。主要研究方向為機器學習與計算機視覺，重點關注通過度量學習，深度學習以及生成對抗學習等技術解決跨模態資料下的人臉識別、行人重識別的問題。主持國家自然科學基金專案以及江蘇省自然科學基金專案各1項。目前在國際會議和期刊上發表了學術論文10餘篇，包括ACM MM、TNNLS、TCYB等。
議題：《多模態深度學習及其視覺應用》
議題介紹：
多模態資料在現實生活中廣泛存在，目前很多的視覺應用涉及到對多模態資料的分析，檢索查詢和識別。隨著深度學習的不斷髮展，目前深度學習在多模態資料處理中也起到了越來越重要的作用，包括多模態資料的特徵抽取，多模態資料相似性度量以及多模態資料生成。本報告將首先介紹多模態資料分析的背景以及回顧多模態深度學習的近期研究進展，然後重點介紹課題組近年來提出的多模態深度學習方法以及相關的計算機視覺應用。
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、中科院百篇優博等。現任中國計算機學會多媒體專委會副祕書長、人工智慧與模式識別專委會委員（祕書處成員）、SIGMM中國執委會委員等。主要研究方向為多媒體計算、網路資料探勘等。已出版Springer英文專著一部，發表論文70餘篇，其中包括會議獲獎論文7篇（CCF-A類2篇）、IEEE/ACM彙刊近30餘篇（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領域主席，曾擔任國際會議PCM2015（CCF-C類）和ICIMCS2015（SIGMM China旗艦會議）程式委員會主席。主持多項國家級課題，擔任國家自然科學基金重點專案負責人，獲2016年北京市科學技術獎（基礎研究類，排名第二）。
議題：《深度學習解釋性：從“能”到“不能”》
議題介紹：
隨著深度學習的研究深入和應用拓展，學術界從探索深度學習“能”做什麼，發展到思考深度學習“不能”做什麼。此次報告首先介紹深度學習“不能”做什麼，以及與深度學習解釋性三個層次的關聯；然後介紹深度學習解釋性的研究現狀和一些初步思考，探討從三個層次改善深度學習解釋性的可能思路。
BDTC 2018
◆
精彩紛呈
◆
2018 年12月6-8 日，由中國計算機學會主辦，CCF 大資料專家委員會承辦，CSDN、中科天璣資料科技股份有限公司協辦的 2018 中國大資料技術大會（BDTC 2018），將在北京新雲南皇冠假日酒店隆重舉行。
除 Keynote 外，主辦方精心策劃了 13 場專題技術和行業論壇，涵蓋大資料分析與生態系統、深度學習、推薦系統、大資料安全與政策、大資料可視分析、精準醫療大資料、資料科學與大資料技術教育、資料庫、金融大資料、知識圖譜、工業大資料、區塊鏈、交通與旅遊大資料等主題。
屆時，近百位技術專家及行業領袖將齊聚於此，聚焦大資料技術如何促進數字經濟迅速發展，關注大資料新應用，思辨通達，深入解析熱門技術在行業中的實踐和落地。緊貼時代脈搏，走近資料前沿。
推薦閱讀