關(guān)于舉辦“人工智能-模式識(shí)別”培訓(xùn)的通知

各有關(guān)單位：

中國(guó)科學(xué)院計(jì)算技術(shù)研究所是國(guó)家專(zhuān)門(mén)的計(jì)算技術(shù)研究機(jī)構(gòu)，同時(shí)也是中國(guó)信息化建設(shè)和人工智能建設(shè)的重要支撐單位，中科院計(jì)算所培訓(xùn)中心是致力于高端IT類(lèi)人才培養(yǎng)及企業(yè)內(nèi)訓(xùn)的專(zhuān)業(yè)培訓(xùn)機(jī)構(gòu)。中心憑借科學(xué)院的強(qiáng)大師資力量，在總結(jié)多年大型軟件開(kāi)發(fā)和組織經(jīng)驗(yàn)的基礎(chǔ)上，自主研發(fā)出一整套課程體系，其目的是希望能夠切實(shí)幫助中國(guó)軟件企業(yè)培養(yǎng)高級(jí)軟件技術(shù)人才，提升整體研發(fā)能力，迄今為止已先后為國(guó)家培養(yǎng)了數(shù)萬(wàn)名計(jì)算機(jī)專(zhuān)業(yè)人員，并先后為數(shù)千家大型國(guó)內(nèi)外企業(yè)進(jìn)行過(guò)專(zhuān)門(mén)的定制培訓(xùn)服務(wù)。

模式識(shí)別(Pattern Recognition, PR)是指對(duì)表征事物或現(xiàn)象的各種形式的(數(shù)值的、文字的和邏輯關(guān)系的)信息進(jìn)行處理和分析，以對(duì)事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類(lèi)和解釋的過(guò)程，是信息科學(xué)和人工智能的重要組成部分。模式識(shí)別是計(jì)算機(jī)科學(xué)和人工智能中非常重要的一個(gè)研究領(lǐng)域，模式識(shí)別不但在計(jì)算機(jī)科學(xué)的眾多領(lǐng)域中大顯身手，而且成為一些交叉的重要支撐技術(shù)，其應(yīng)用遍及人工智能的各個(gè)領(lǐng)域，如圖像分析與處理、計(jì)算機(jī)視覺(jué)、人臉識(shí)別、指紋識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言理解、聲音分類(lèi)、通信、數(shù)據(jù)挖掘、智能機(jī)器人等。隨著人工智能技術(shù)的快速發(fā)展，模式識(shí)別方面的人才成為國(guó)家急需的高層次技術(shù)人才。為將模式識(shí)別的重要知識(shí)和最新進(jìn)展進(jìn)行推廣，培訓(xùn)中心特舉辦“人工智能-模式識(shí)別”培訓(xùn)班，具體事宜通知如下：

一、培訓(xùn)對(duì)象

高級(jí)程序員、資深開(kāi)發(fā)人員、人工智能工程師、圖像設(shè)計(jì)人員、機(jī)器學(xué)習(xí)工程師、程序員、模式識(shí)別工程師。

二、學(xué)員基礎(chǔ)

1，對(duì)IT系統(tǒng)設(shè)計(jì)有一定的理論與實(shí)踐經(jīng)驗(yàn)。

2，對(duì)模式識(shí)別有一定的興趣。

三、師資

由業(yè)界知名模式識(shí)別專(zhuān)家親自授課：

司老師 清華大學(xué)博士，模式識(shí)別方面專(zhuān)家，在意大利舉辦的國(guó)際在線指紋識(shí)別競(jìng)賽中獲得冠軍，在模式識(shí)別和機(jī)器學(xué)習(xí)領(lǐng)域期刊IEEE TPAMI等期刊發(fā)表多篇論文，擁有5個(gè)中國(guó)專(zhuān)利和1個(gè)美國(guó)專(zhuān)利，是模式識(shí)別、人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和圖像處理和識(shí)別領(lǐng)域的實(shí)戰(zhàn)派專(zhuān)家。

四、培訓(xùn)內(nèi)容

第一講 模式識(shí)別簡(jiǎn)介

1.1 什么是模式識(shí)別

1.2 為什么要模式識(shí)別

1.3 怎樣來(lái)進(jìn)行模式識(shí)別

1.4 模式識(shí)別的現(xiàn)實(shí)案例舉例

第二講 貝葉斯決策

2.1 最小錯(cuò)誤率貝葉斯決策

2.2 最小風(fēng)險(xiǎn)錯(cuò)誤率貝葉斯決策

2.3 ROC曲線

2.4 貝葉斯決策在語(yǔ)音識(shí)別中的應(yīng)用案例

第三講 樸素貝葉斯決策

3.1為什么要引入樸素貝葉斯決策

3.2 如何進(jìn)行樸素貝葉斯決策

3.3 樸素貝葉斯在文本識(shí)別中的應(yīng)用案例

第四講 線性分類(lèi)器

4.1 線性分類(lèi)器是什么

4.2 Fisher線性判別的動(dòng)機(jī)

4.3 Fisher線性判別的內(nèi)涵是什么

4.4 Fisher線性判別在人臉檢測(cè)中的應(yīng)用案例

第五講 人工神經(jīng)網(wǎng)絡(luò)

5.1 人工神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)動(dòng)機(jī)是什么

5.2 單個(gè)神經(jīng)元的功能

5.3人工神經(jīng)網(wǎng)絡(luò)的優(yōu)化以及誤差逆?zhèn)鞑ィ˙P）算法

5.4人工神經(jīng)網(wǎng)絡(luò)中需要注意的問(wèn)題

5.5 人工神經(jīng)網(wǎng)絡(luò)在表情識(shí)別、流量預(yù)測(cè)中的應(yīng)用案例

第六講 *優(yōu)分類(lèi)面和支持向量機(jī)（SVM）

6.1 什么是*優(yōu)分類(lèi)面

6.2 SVM的本質(zhì)是什么

6.3 SVM線性不可分時(shí)怎么辦

6.4 SVM中核函數(shù)如何選擇

6.5 SVM在車(chē)牌識(shí)別中的應(yīng)用案例

第七講 非線性分類(lèi)器

7.1 什么時(shí)候使用非線性分類(lèi)器

7.2 如何設(shè)計(jì)非線性分類(lèi)器

7.3 非線性分類(lèi)器在光學(xué)字符識(shí)別中的應(yīng)用案例

第八講 近鄰法

8.1 近鄰法的思想是什么

8.2 近鄰法的缺點(diǎn)以及改進(jìn)方案

8.3 近鄰法中的過(guò)學(xué)習(xí)問(wèn)題及解決方案

8.4 近鄰法在相親網(wǎng)站中的應(yīng)用案例

第九講 決策樹(shù)

9.1 什么是非數(shù)值特征

9.2 為什么要引入決策樹(shù)

9.3 如何設(shè)計(jì)決策樹(shù)

9.4 如何構(gòu)造隨機(jī)森林

9.5 決策樹(shù)在醫(yī)療系統(tǒng)中的應(yīng)用案例

第十講 Boosting

10.1 什么是Boosting算法

10.2 為什么要Boosting

10.3 如何Boosting

10.4 介紹Boosting算法典型代表Adaboost

10.5 Adaboost在人臉檢測(cè)中的應(yīng)用案例

第十一講 特征選擇

11.1 為什么要特征提取和特征選擇

11.2 特征選擇的*優(yōu)算法

11.3 特征選擇的次優(yōu)算法

11.4 特征選擇的遺傳算法

11.5 特征選擇在優(yōu)化系統(tǒng)中的應(yīng)用

第十二講 特征提取

12.1 特征提取的一般性方法

12.2 主成分分析

12.3 主成分分析在扭曲指紋識(shí)別中的應(yīng)用案例

12.4 K-L變換

12.5 K-L變換在人臉識(shí)別中的應(yīng)用案例

第十三講 非監(jiān)督學(xué)習(xí)方法

13.1 什么是非監(jiān)督學(xué)習(xí)？

13.2 單峰子集法

13.3 C均值方法

13.4 模糊C均值方法和改進(jìn)的模糊C均值方法

13.5 非監(jiān)督學(xué)習(xí)方法在石油勘探中的應(yīng)用案例

五、培訓(xùn)目標(biāo)

1，全面了解模式識(shí)別領(lǐng)域相關(guān)知識(shí)。

2，能將模式識(shí)別領(lǐng)域的技術(shù)應(yīng)用于實(shí)際項(xiàng)目。

3，能將模式識(shí)別領(lǐng)域的技術(shù)和人工智能的其他技術(shù)進(jìn)行結(jié)合，做擴(kuò)展應(yīng)用。

六、培訓(xùn)時(shí)間、地點(diǎn)

時(shí)間： 2018年6月13日-6月14日 地點(diǎn)：北京

七、證書(shū)

培訓(xùn)結(jié)束，頒發(fā)中科院計(jì)算所職業(yè)培訓(xùn)中心“人工智能-模式識(shí)別”結(jié)業(yè)證書(shū)。

八、費(fèi)用

培訓(xùn)費(fèi)：5500元/人（含教材、證書(shū)、午餐、學(xué)習(xí)用具等）。住宿協(xié)助安排，費(fèi)用自理。