知識星球
1943年，神經學家麥卡洛克和數學家皮茲在《數學生物物理學公告》上發表了論文《神經活動中內在思想的邏輯演算》，提出了神經網路和數學模型（MCP模型），也就是按照生物神經元的結構和工作原理構造出來的一個抽象和簡化了的模型。
所謂的“模擬大腦”誕生，人工智慧的大門由此開啟。
麥卡洛克（右）和皮茲
經歷了半個多世紀的曲折發展，2006年，神經網路之父，機器學習泰斗傑弗裡·辛頓和他的學生Ruslan Salakhutdinov在《科學》上發表了一篇學術文章，提出深層網路訓練中梯度消失問題的解決方案：無監督預訓練對權值進行初始化+有監督訓練微調。
自此，“深度學習”網路正式登上歷史舞臺，人工智慧的效能也得以取得更大進展。
神經網路之父傑弗裡·辛頓
近十餘年來，隨著演演算法的逐步成熟，深度學習逐漸成為人工智慧的主流，更多相關的AI應用落地：2011年奪得益智問答比賽大獎的IBM Watson，2016、2017連續兩年相繼擊敗圍棋世界冠軍李世石、柯潔的Google AlphaGo等，都是深度學習應用的代表。
AlphaGo曾打得柯潔放聲痛哭
深度學習風頭正勁，但究竟什麼是深度學習？
國立臺灣大學電機工程系助理教授李宏毅曾總結深度學習為三個步驟：建構網路、設定標的、開始學習。
李宏毅說，深度學習的類神經網路就是一個函式集，我們丟進去一堆數值，網路就輸出一堆數值，併在其中尋找最優解，就這麼簡單。
李宏毅教授
但現實情況要遠複雜的多。神經網路一層疊著一層，每層都有很多神經元，並隨時都會產生各種變數；尋找最優解的過程也不是一帆風順，需要根據結果不斷調整函式內容，不斷訓練機器，這一過程就是所謂的“學習”。
以AlphaGo為例，技術團隊設定好神經網路架構，輸入大量的棋譜，讓機器自我消化，不斷學習棋法。最終，AlphaGo就能根據不同對手的落子，根據棋局不同情況作出回應。
神經網路的基本結構
AlphaGo雖然厲害，但它的架構就是為下棋而設計的，倘若讓AlphaGo去做其他事情，比如掃地、開車，那就要根據需求重新設計架構、訓練機器。
李宏毅表示，深度學習並不是萬能的人工智慧，它其實只能針對特定的需求來設計，現在的各種酷炫應用都還在原始階段，還有很多需要人類去定義、設計。未來當機器可以自己定義架構時，就更加值得期待。
人工智慧與深度學習領域日益熱門，越來越多的人想進入這一領域學習深造，就業深耕。
但對於大多數國內的學習者或愛好者來說，幾乎只有到碩士、博士階段才能真正接觸到系統性的深度學習教學，而真正的實踐機會更是寥寥。
對此，ViaX推出新的深度學習應用實戰Workshop，以製作聊天機器人為切入點，教授前沿神經網路研究方法。
同時，課程也會提供理論應用的實踐場景：你將在新加坡高效能運算機研究所研究員的帶領下，以實驗室標準進行深度學習實戰，基於神經網路完成一篇文章的摘要提取——真正實現理論與實踐的有機結合，讓你學有學用。
實戰Workshop-深度學習應用
製作聊天機器人-新加坡高效能運算機研究所科研實戰專案
本次實戰Workshop中，不只有新加坡高效能運算機研究所研究員帶領你進行實踐，我們更安排了耶魯大學研究員進行知識理論的教學。
導師團介紹
▌ LBB（Workshop部分導師）
ViaX鹽研教育理工科導師
-
華盛頓大學全獎博士
-
耶魯大學研究員
-
累計發表多篇國際學術論文
▌ XXX（實戰部分導師，科研指導人）
ViaX鹽研教育理工科導師
-
新加坡南洋理工大學全獎博士
-
新加坡國家自然科學基金專案負責人
-
新加坡高效能運算機研究所研究員
-
累計發表包括《自然醫學》（IF=32.621，2017）在內的頂級國際學術論文十餘篇
-
曾榮獲國際人工智慧l聯合會議（IJCAI）研討會最佳論文獎
-
專註機器學習演演算法研究與計算機視覺、自然語言處理應用，精通Python程式設計與深度學習
強大的導師團之外，本次Workshop的產出也極為豐富——除了必備的理論知識與寶貴實踐機會，你還將有如下收穫：
課程產出
▌ 實戰經歷
課程將有兩項實踐產出：
第一階段-透過課程學習產出專屬聊天機器人——掌握深度學習理論基礎。
第二階段-基於神經網路完成一篇文章的摘要提取，研究課題的資料收集、處理和建模過程——深化神經網路的文字摘要提取研究方法、機理及應用。
▌ 課程證明
第一階段（Workshop部分）導師簽發的課程證明。
▌ 實習證明
科研指導人，新加坡高效能運算機研究所研究員簽發的實習證明。
你將在科研指導人的帶領下，以世界一流研究所的實驗標準進行科研實踐，培養嚴謹科研思維，體驗前沿的科研氛圍。
▌ 其他可選
英文個人學習、研究計劃。
適合人群
▌ 申請機器學習、自然語言處理、電腦科學、資料科學等方向的出國留學的學生
讓你快速上手深度學習與神經網路應用，掌握科研必備技能，並獲得專案實習證明，大幅提升申請競爭力！
▌ 所有對機器學習、樣式識別和資料挖掘方法，Python程式設計基礎感興趣，想獲得實踐認知的同學
幫你瞭解更多research project所需基本技能，瞭解更多領域內專業知識、實踐技能及前沿的科研實驗方向。
本次課程將於2019年4月6日開課，分為理論課程+實戰課程兩個階段。
課程安排
開課時間
2019年4月6日
具體時間安排為：
Workshop階段：
4月6日，9:00-12:00
4月13日、20日、27日，5月4日，10:00-12:00
實戰階段：
5月5日、12日、19日、26日，6月2日，10:00-12:00
報名方式
報名或諮詢更多課程詳情
請掃碼新增ViaX學術顧問
新增學術顧問時請備註：諮詢
