关于举办“迁移学习(Transfer Learning)核心技术开发与应用研修班”的通知

各企事业单位：

《国务院关于印发新一代人工智能发展规划的通知》指出：“新一代人工智能重大科技项目，聚焦基础理论和关键共性技术的前瞻布局，包括研究大数据智能、跨媒体感知计算、混合增强智能、群体智能、自主协同控制与决策等理论，研究知识计算引擎与知识服务技术、跨媒体分析推理技术、群体智能关键技术、混合增强智能新架构与新技术、自主无人控制技术等，开源共享人工智能基础理论和共性技术。”随着人工智能的发展，越来越多的机器学习应用场景的出现，现有表现比较好的监督学习需要大量的标注数据，标注数据是一项枯燥无味且花费巨大的任务，所以迁移学习受到越来越多的关注。迁移学习专注于存储已有问题的解决模型，并将其利用在其他不同但相关问题上。比如说，用来辨识汽车的知识（或者是模型）也可以被用来提升识别卡车的能力。

为积极响应科研及工程人员的需求，根据《国务院关于推行终身职业技能培训制度的意见》提出的“紧跟新技术、新职业发展变化，建立职业分类动态调整机制，加快职业标准开发工作”要求，中国管理科学研究院现代教育研究所，联合北京龙腾亚太教育咨询有限公司特举办“迁移学习(Transfer Learning)核心技术开发与应用研修班”。本次培训采用实战培训模式。

主办单位：中国管理科学研究院现代教育研究所

承办单位：北京龙腾亚太教育咨询有限公司、北京新鼎聚成文化传媒有限公司

注：发票由具体承办单位开具。

• 时间安排:   

2022年08月19日 — 2022年08月22日   线上直播

（19日下发上课所需材料，20日-22日上课）

 

 

 

 

 

实验实操之深度迁移学习实践：

1.掌握PyTorch中的基本原理和编程思想。

2.理解在一个新的场景或数据集下，何时以及如何进行迁移学习。

3.利用PyTorch加载数据、搭建模型、训练网络以及进行网络微调操作。

4.给定迁移场景，利用daib库和生成对抗技术独立完成图像分类中的领域适配。

5.迁移效果的可视化，利用机器学习库scikit-learn中的t-SNE对迁移过后的高维数据进行可视化。

实验实操之图片与视频风格迁移实践：

1.掌握基于生成对抗网络的风格迁移技术。

2.图像/视频风格迁移网络的搭建，重点掌握编码器和解码器的内在逻辑和不同损失函数的运用。

3.实践红外视频转换到可见光视频的风格迁移。

实验实操之自动驾驶中的跨域语义分割实践：

1.掌握语义分割发展现状及代表性工作，如FCN，DeepLab系列等。

2.了解常用的语义分割评价指标（PA、mPA、mIoU、FWIoU）和常见数据集（PASCAL VOC2012，ADE20K、BDD100K、Cityscapes、GTA5、Dark Zurich）。

3.语义分割工具箱MMSegmentaion的认识和使用。

4.设计一个分割模型能够从仿真环境中得到的数据迁移到真实场景下产生的数据。

实验实操之目标检测实践：

1.掌握目标检测算法的基本框架以及目标检测中的经典模型，如R-CNN系列的两阶段检测模型和YOLO系列的单阶段检测模型。

2.掌握目标检测模型的评测指标（IOU和mAP）、标准评测数据集（Pascal VOC，MS COCO和Cityscapes）以及检测模型中的一些训练技巧，如数据增强、多尺度训练/测试、预测框微调/投票法、在线难例挖掘、软化非极大抑制、RoI对齐和集成。

3.实践基于Transformer的端到端目标检测框架的搭建，并在新的数据集上与基于CNN的网络进行迁移性能的对比。