课程简介

【话题简介】
我们从语义理解这个人工智能中的一个重要任务谈起，介绍在符号人工智能时代，机器学习时代一直到今天深度学习时代我们是如何解决这个问题的。 通过对这个问题持续和深入的研究，了解核心技术的变迁，理解机器学习方法与前沿的深度学习技术。我们会分如下几个大的主题进行讨论和介绍：
1. 人工智能与语义理解
2. 逻辑知识与语义表述
3. 定量描述的语义空间
4. 线性描述的语义模型
5. 深度学习与跨越模态
6. 前沿方法与未来展望

【分享提纲】
1. 人工智能与语义理解
1.1 人工智能的判别方法
1.2 语言、图像与语义
2. 逻辑知识与语义表述
2.1 逻辑表达与知识推理
2.2 逻辑问答系统
3. 机器学习的语义建模
3.1 表述与关系的应用数学
3.2 机器学习与自然语言处理
3.3 计算视觉
4. 线性描述的语义模型
4.1 语义空间
4.2 主题模型
4.2 跨模态语义关系
5. 深度学习与跨越模态
5.1 深度学习方法
5.2 深度学习下的智能问答
5.3 文本生成与语义检索
5.4 视觉问答与对话
6. 前沿方法与未来展望
6.1 机器智能的局限与尝试
6.2 AI语义是否该走向大规模的工程化

目标收益

1. 深度了解机器学习与深度学习背后的重要思想
2. 了解语义建模在互联网等各个领域的重要作用
3. 深度了解机器学习模型与相关应用问题求解的思路。
4. 了解相关领域的一些最新进展。

培训对象

课程内容

【话题简介】
我们从语义理解这个人工智能中的一个重要任务谈起，介绍在符号人工智能时代，机器学习时代一直到今天深度学习时代我们是如何解决这个问题的。 通过对这个问题持续和深入的研究，了解核心技术的变迁，理解机器学习方法与前沿的深度学习技术。我们会分如下几个大的主题进行讨论和介绍：
1. 人工智能与语义理解
2. 逻辑知识与语义表述
3. 定量描述的语义空间
4. 线性描述的语义模型
5. 深度学习与跨越模态
6. 前沿方法与未来展望

【分享提纲】
1. 人工智能与语义理解
1.1 人工智能的判别方法
1.2 语言、图像与语义
2. 逻辑知识与语义表述
2.1 逻辑表达与知识推理
2.2 逻辑问答系统
3. 机器学习的语义建模
3.1 表述与关系的应用数学
3.2 机器学习与自然语言处理
3.3 计算视觉
4. 线性描述的语义模型
4.1 语义空间
4.2 主题模型
4.2 跨模态语义关系
5. 深度学习与跨越模态
5.1 深度学习方法
5.2 深度学习下的智能问答
5.3 文本生成与语义检索
5.4 视觉问答与对话
6. 前沿方法与未来展望
6.1 机器智能的局限与尝试
6.2 AI语义是否该走向大规模的工程化