60
个编辑
更改
无编辑摘要
* [https://campus.swarma.org/course/567 计算机视觉与深度学习]</blockquote>
* [https://campus.swarma.org/course/567 计算机视觉与深度学习]</blockquote>
===[https://campus.swarma.org/catalog/7 读书会]（[[集智俱乐部读书会|集智俱乐部读书会 - 集智百科 (swarma.org)]]）===
===[https://campus.swarma.org/catalog/7 读书会]（[[集智俱乐部读书会|集智俱乐部读书会 - 集智百科 (swarma.org)]]-报名详情）===
<blockquote>收费课程
<blockquote>收费课程
|张江等
|张江等
|已完结
|已完结
|[https://campus.swarma.org/course/1996 请添加助教微信WeChatID：wch19970213，备注：“集智凯风研读营2020”]
|[https://campus.swarma.org/course/1996 请添加助教微信WeChatID：wch19970213，备注：“”]
|-
|-
|[https://campus.swarma.org/course/1153 人工智能 2020]
|[https://campus.swarma.org/course/1153 人工智能 2020]
<blockquote>
== [https://campus.swarma.org/course/1996 复杂系统自动建模专题 | 集智凯风研读营2020] ==
<blockquote>
=== 介绍课程 ===
集智凯风研读营” 项目是由凯风研读营资助、集智俱乐部发起的学术交流活动。通过特定学术主题，汇聚术业有专攻但又视野广阔的青年学者，举行 5-7 天的封闭式交流营活动。通过深度研读讨论前沿科学研究，共同界定和审视一些新的问题，使得在当前学术体制下，实现跨文化、跨学科、跨领域的学术创新，形成真正具有原创思想能力的学术共同体。
本次主题将定位为“面向复杂系统人工智能研究”，该研读营旨在实现对复杂系统的自动建模，从「复杂系统」的理论出发，借助人工智能的方法和技术，揭开人工智能的黑箱，突破现有人工智能可解释性瓶颈，推动通用、可解释性强的系统在相关应用领域的落地并解决实际问题。
=== 讲师介绍 ===
<blockquote></blockquote><blockquote>
* 张江：北京师范大学系统科学学院教授、集智俱乐部创始人、集智学园创始人。研究方向包括复杂网络与机器学习、复杂系统分析与建模、计算社会科学。目前主要的研究课题是复杂系统自动建模。
=== 专题简介 ===
近3年来，随着数据量的井喷式增长，计算效率的显著提升，以深度学习为代表的人工智能技术迎来了第三次高潮，许多人工智能的产品应用在生活的方方面面，如人脸识别，机器翻译，语音识别等。但是进一步，人们希望机器可以辅助决策时却发现，以人类的视角没有办法很好的理解机器的决策，这时候就存在人与机器的「信任鸿沟」。我们不敢真正信任机器的决策，这也是人工智能在落地智能金融，无人驾驶等更复杂领域时遇到的问题和瓶颈。
所以为了更好利用机器的智能，理解复杂世界，人们开始寻求新的解释世界的方式：希望可以从「复杂系统」的角度进行突破，借助人工智能的方法和技术，揭开人工智能的黑箱，实现人与机器的真正信任。本次将由张江、臧承熙、王硕为大家介绍基于复杂系统的自动建模技术。
分享一：复杂系统自动建模概述与展望（张江）
分享二：Neural Dynamics on Complex Networks（臧承熙）
分享三：复杂网络自动建模在大气污染中的应用（王硕）
分享四：标准化流技术简介（刘晶）
分享五：神经网络归因（许菁）
分享六：Gradient-Based Neural DAG Learning（李垚鑫）
分享七：Relational State-Space Model for Stochastic Multi-Object Systems（黄龙吉）
分享八：Scalable Gradients for Stochastic Differential Equations（杜伟韬）
分享九：一个基于深度学习的通用网络重构和动力学学习方法（张章）
分享十：基于深度学习的轨迹数据挖掘（姚迪）
分享十一：Gumbel-softmax-based Optimization:A Simple General Framework for Optimization Problems on Graphs（李垚鑫）
分享十二：Temporal attention recurrent graph neural network（陈昱中）
分享十三：Wide neural networks and its tangent kernel（杜伟韬）
分享十四：对复杂系统连续变化自动建模——Neural Ordinary Differential Equations解读（张江）
分享十五：图上的连续标准化流技术：Graph Continuous Flow（张章）
=== 课程资料 ===
* 张江，臧承熙，王硕: 复杂系统自动建模专题 | 集智-凯风研读营 ,2020
</blockquote></blockquote><blockquote>
== [https://campus.swarma.org/course/1153 人工智能 2020] ==
<blockquote>
=== 课程介绍 ===
本课程为北京师范大学系统科学学院张江教授开设的研究生课程《人工智能》课程回放。课程偏重理论，辅以编程实践，将粗粒度的梳理人工智能重要的理念、算法、模型。前面会包含一些人工智能之前的理论计算机模型，图灵机等，后面系统从两方面讲解，一是符号派的人工智能，包括搜索、推理、表示等；二是连接派的人工智能，机器学习，强调理论机器学习基础。
=== 讲师介绍 ===
* 张江：北京师范大学系统科学学院教授、集智俱乐部创始人、集智学园创始人。研究方向包括复杂网络与机器学习、复杂系统分析与建模、计算社会科学。目前主要的研究课题是复杂系统自动建模。
=== 课程内容 ===
# 人工智能历史
# 图灵机
# 问题解决（Problem Solving）
# 启发式搜索（Heuristic Search）
# 命题逻辑（Propositional Logic）
# 一阶谓词逻辑（First order Logic）
# 机器学习简介
# 监督式学习（一）：回归
# 监督式学习（二）：分类
# 监督式学习（三）：KNN 和决策树
# 神经网络（Neural Network）
# 非监督式学习（Unsupervised learning）
# 表示学习（Representation Learning）
# 概率图模型（Probabilistic Graphical Models）
# 从变分推断到 VAE
=== 报名方式 ===
填加助教微信，拉你入群：WeChatID：wch19970213
添加助教微信时，备注：“人工智能2020”。可快速获取课程动态，不错过每一次直播。
微信二维码：
[[文件:WeChatID-wch19970213.png|左|缩略图|269x269像素]]
</blockquote></blockquote><blockquote>
== [https://campus.swarma.org/course/1056 产学结合：自然语言处理及其应用] ==
<blockquote>
<blockquote>
=== 课程介绍 ===
自然语言处理，是指用计算机对自然语言的形、音、义等信息进行处理，即对字、词、句、篇章的输入、输出、识别、 分析、理解、生成等的操作和加工。'''实现人机间的信息交流，是人工智能、计算机科学和语言学所共同关注的重要问题。''' 自然语言处理的具体表现形式包括机器翻译、文本摘要、文本分类、文本校对、信息抽取、语音合成、语音识别等。
从 2008 年到现在，在图像识别和语音识别领域的成果激励下，人们也逐渐开始引入深度学习来做自然语言处理研究，由最初的词向量到 2013 年的 Word2vec，将深度学习与自然语言处理的结合推向了高潮，并在机器翻译、问答系统、阅读理解等领域取得了一定成功。 RNN 已经是自然语言处理最常用的方法之一，GRU、LSTM 等模型相继引发了 一轮又一轮的热潮。2016年集智举办的自然语言处理与深度学习读书会，全面介绍当时最新的自然语言处理与深度学习的前沿知识，作为自然语言处理的入门级课程。
近年自然语言处理在词向量（Word Embedding）表示、文本的 Encoder 和 Decoder 技术以及大规模预训练模型（pre-trained）上的方法极大地促进了自然语言处理的研究。
联合学术界和工业界，追踪最新进展与落地实践，由李嫣然、尹相志、小米科技相关技术负责人崔建伟和魏晨、彩云科技NLP算法工程师侯月源，合力打造了 12 节课程，涉及语言模型、机器翻译、情感分析、文本理解、文本生成五大主题。
=== 讲师介绍 ===
* 李嫣然 香港理工大学在读博士生，集智科学家社群成员，著名公众号：程序媛的日常 的运营者之一，人称小S。研究方向为自然语言处理中的语义表达和语言生成，致力于利用深度学习、认知科学等相关领域的方法和成果探究人类语言习得和语言表达的奥秘。
* 侯月源 彩云科技NLP算法工程师，集智俱乐部志愿者。
* 崔建伟 小米人工智能部AI实验室NLP应用组负责人，负责开放域对话、机器翻译、预训练平台等NLP应用技术的研发，以及落地到小爱同学、小爱老师等公司业务。
* 尹相志 中国首届人工智能大赛发起人与题目设计，前华院数据(上海)首席数据科学家，数据决策(台湾)技术长，台湾微软特约讲师与2006~2017年最有价值专家(MVP)，微软Tech ED 2002, 2004~2015讲师 '''专长：'''自然语言理解、人工智能算法开发、数据挖掘、商业智慧、分析型CRM、风险管理、数据仓库
* 魏晨 2019年4月加入小米小爱同学，曾任图灵机器人认知计算负责人，曾工作在新加坡国防部项目。研究兴趣主要是NLP，KG 和 SDS。
=== 课程大纲 ===
* 语言模型（一）
* 语言模型（二）
* 机器翻译（一）
* 机器翻译（二）
* 机器翻译（三）
* 语言模型（三）
* 情感分析（一）
* 情感分析（二）
* 文本理解（一）
* 文本理解（二）
* 知识图谱
* 文本生成
=== 报名方式 ===
填加助教微信，拉你入群：WeChatID：wch19970213
添加助教微信时，备注：“2020NLP”。可快速获取课程动态，不错过每一次直播。
微信二维码：
[[文件:WeChatID-wch19970213.png|左|缩略图|269x269像素]]
</blockquote></blockquote><blockquote>
== [https://campus.swarma.org/course/956 深度学习原理与PyTorch实战] ==
<blockquote>
=== 课程介绍 ===
本系列课程主要围绕集智俱乐部众包写作的书籍《深度学习原理与 PyTorch 实战》展开。书籍内容来源于张江老师在“集智学园”开设的网络课程——“火炬上的深度学习”「计算机视觉篇」「自然语言处理篇」，经各位成员的精心整理和不断完善，最终成书。希望能进一步推广PyTorch，让更多人有机会掌握人工智能和深度学习等新技术，进入人工智能这个发展迅猛的行业，共享人工智能带来的发展红利。
Pytorch 是由 Facebook 支持的一套深度学习开源框架，相比较 Tensorflow，它更易上手，所以一经推出就广受欢迎。本系列课程是采用 Pytorch 开源框架进行案例讲解的深度学习课程。每节课围绕一个有意思的实战案例展开，不仅循序渐进地讲解了PyTorch的基本使用、神经网络的搭建、卷积神经网络和循环神经网络的实现，而且全面深入地介绍了计算机视觉、自然语言处理、迁移学习，以及最新的对抗学习和深度强化学习等前沿技术。同学们可以通过亲自动手实践，轻松入门深度学习，学会构造一个图像识别器，生成逼真的图画，让机器理解单词与文本，让机器作曲，教会机器玩游戏，还可以实现一个简单的机器翻译系统。
=== 讲师介绍 ===
* 张江：张江，北京师范大学系统科学学院教授、集智俱乐部创始人、集智学园创始人。研究方向包括复杂网络与机器学习、复杂系统分析与建模、计算社会科学。目前主要的研究课题是复杂系统自动建模。
=== 课程大纲 ===
本课程的内容包括：
* 深度学习与 PyTorch
* 单车预测器——你的第一个神经网络
* 机器也懂感情——中文情绪分类器
* 手写数字识别器——卷积神经网络
* 迁移学习与图像风格迁移
* 人工智能造假术——图像生成与对抗学习
* 词汇的星空——词向量与Word2Vec
* LSTM作曲机——序列生成模型
* 神经翻译机——端到端的机器翻译模型
* AI游戏高手——深度强化学习
=== 报名方式 ===
填加助教微信，拉你入群：WeChatID：wch19970213
添加助教微信时，备注：“2019PyTorch”。可快速获取课程动态，不错过每一次直播。
微信二维码：
[[文件:WeChatID-wch19970213.png|左|缩略图|269x269像素]]
</blockquote></blockquote><blockquote></blockquote>
更多课程请到集智学园官网学习：[Https://campus.swarma.org/ https://campus.swarma.org/]