2018年Google本科师资培育与课程建设研讨班全年开班计划

最后更新日期:2018-04-11            
师资培训
浙江大学城市学院
武汉科技大学
中原工学院
东北大学
华南理工大学
兰州大学
重庆科技学院
贵州财经大学
北京信息科技大学

2018年Google支持教育部产学合作协同育人项目师资培育与课程建设研讨班共计划9期,涉及人工智能、Android+、数据科学和物联网四大技术领域。

 

全年开班计划如下:

技术领域 区域 承办学校 举办日期 举办城市
Android+ 东部 浙江大学城市学院 03/23-03/25 杭州
物联网 北部 北京信息科技大学 04/27-04/29 北京
人工智能 南部 华南理工大学 05/25-05/27 广州
人工智能 西北 兰州大学 06/08-06/10 兰州
数据科学 西南 贵州财经大学 07/05-07/07 贵阳
人工智能 北部 东北大学 07/20-07/22 沈阳
人工智能 东部 浙江大学城市学院 08/28-08/30 杭州
人工智能 西南 重庆科技学院 10/12-10/14 重庆
人工智能 中部 武汉科技大学、中原工学院 11/02-11/04 郑州

 

培训内容预告(内容有可能调整,届时以报名网站上的信息为准):

  1. 杭州 Android+ 培训,3月23日-3月25日

    本研讨会作为InnoCamp创新特训营工作开展的师资培育,择优选择志愿参加六个大区创新特训营参与和组织的学校骨干教师,组织相关培训。主旨是探索Android与人工智能相结合,聚焦TensorFlow、Android和实际场景的结合,便于返校组织相关Innocamp的Workshop,Codelab和其他分享活动。参加教师需要有一定的安卓基础,Python基础,并乐于返校组织相关活动。

     

  2. 北京 物联网 培训,4月27日-4月29日

    本期培训将介绍物联网与信息技术发展趋势、物联网时代的数据处理与智能决策及案例分析、物联网技术与应用及物联网安防监控案例分析、NBIOT技术详解与行业应用及案例分析、物联网控制基础及工业物联网应用案例分析,以及物联网最新技术热点:基于LTE技术的全新智能生态系统。

     

  3. 广州 人工智能 培训,5月25日-5月27日

    本研讨班目标设计一套基于“Deeplearn.js+Tensorflow”框架,适合对大学生普及推广的人工智能课程。Deeplearn.js也是谷歌发布的一个人工智能开源项目,该项目提供了一种在Web浏览器中配置深度学习API的开源、硬件加速的方法,即在Web浏览器中就可以训练神经网络模型,也可在推理阶段运行预训练模型。Deeplearn.js的好处是无需安装,开发成本低,实时性高,不要求网络,也可以不需要后端,很适合当前的大部分高校的计算机机房教学环境,有利于学生快速了解深度学习。Tensorflow是谷歌发布的功能最强大的人工智能开源项目。截至2018年1月为止,Tensorflow 1.5是最新版本,包括了能用于移动和嵌入式设备的Tensorflow Lite。本研讨班提供基于“Deeplearn.js+Tensorflow”框架培训,以Deeplearn.js为入门,激发学习兴趣,然后学习机器学习/深度学习的相关知识、Tensorflow的基本概念和使用方法,最后体验人工智能在物联网领域的应用场景。同时,收集培训学员的反馈和需求,充实“Deeplearn.js+Tensorflow”的培训内容和方式,让高校根据自己的实际教学环境来选择相应的人工智能教学资源,有助于建立以人工智能课程为中心的课程体系。

     

  4. 兰州 人工智能 培训,6月8日-6月10日

    本期培训是基于TensorFlow和Keras的深度学习进阶。

     

  5. 贵阳 数据科学 培训,7月5日-7月7日

    当前中国金融行业正在加速步入大数据时代,大数据改变着金融行业的运作方式。随着金融产品不断创新、金融市场层次不断丰富,金融行业对大数据发挥预警、预测、辅助决策的功能需求越来越迫切。近几年来大数据在贵州蓬勃发展,作为贵州的财经类高校在金融和大数据方面有得天独厚的优势,加强面向金融领域的数据科学的研究和发展,是我们一直努力的方向。此次研讨旨在加强金融信息化专业技术人才队伍建设,引导大数据、人工智能、云计算等新一代信息技术在金融领域的应用,共同推动金融信息化健康有序发展。本次研讨将通过专家授课、现场观摩、交流研讨等多种形式,多维度、全视野探讨大数据时代背景下金融行业的创新与发展,提高学员分析、使用大数据的能力;丰富理论专业知识,提升技术;开阔视野,推进大数据金融的快速健康发展,为深入推进新旧动能转换营造良好的金融环境。

     

  6. 沈阳 人工智能 培训,7月20日-7月22日

    在过去几年中,深度学习在图像识别和语音处理等领域取得了巨大的进步,在自然语言处理中的应用起初并不令人兴奋,但是随着技术的进步它也为一些常见的NLP任务提供了最先进的解决方案。命名实体识别、词性标签、情感分析通过神经网络模型获得了更好的解决。本次研讨班将围绕深度学习和自然语言处理进行介绍,从自然语言处理的基本概念、Tensorflow的介绍、Word2Vec词向量模型、CNN模型和RNN模型介绍、并结合情感分析和命名实体识别等领域具体应用开展案例分享和研讨。

     

  7. 杭州 人工智能 培训,8月28日-8月30日

    研讨会将主要面向对人工智能有兴趣、有意向开设相关课程和指导学生进行创新实践的高校教 师,尤其是希望从 Mobile to AI 的群体。聚焦于基于 TensorFlow 深度学习框架的人工智能应用开 发技术的课程建设与学生培养,主要针对入门级学员,不要求有深厚的数学功底和人工智能理论基 础。培训内容将有配套 MOOC 课程,帮助参训教师返校开课。 研讨会内容主要包括:1)人工智能技术与人才培养特邀报告;2)基于 TensorFlow 的人工智能 应用课程培训。课程针对典型的人工智能应用场景,设计系列针对性案例来引导学习过程。现场讲授 的主要案例包括价格预测、手写数字识别、图像识别、图像艺术风格转换、人工智能 App 开发等, 在案例讲解过程中结合 Python 和 TensorFlow 编程开发,深入浅出地介绍所涉及的相关人工智能理 论,包括聚类、线性回归、单层和多层神经网络、卷积神经网络、深度神经网络等。3)从 Mobile 到 AI,讲述基于 Android+TensorFlow 的手机人工智能应用开发 4)讨论《TensorFlow 人工智能应用 基础/进阶》MOOC 课程建设,指导学员通过 MOOC 进一步学习循环神经网络、生成对抗网络、 University Relations 中 E GPU 计算加速等高级话题。5)面向应用型本科生的人工智能创新训练实践报告,并将由学生现场展 示和讲解基于 Android 手机的交通标志智能识别小车、人机棋类对战等创新训练项目。

     

  8. 重庆 人工智能 培训,10月12日-10月14日

    本次培训将以项目为牵引,培训内容以问题为导向,由浅入深,采用理论与实践相结合的方式;主要内容包括:(一)搭建开发环境,介绍在人工智能方面的应用,介绍神经网络的基本结构、概念及内涵(神经元,激活函数,前向传播,反向传播,随机梯度下降等),并以Python为工具,不引入任何神经网络算法库,来实现人工神经网络算法,并对MNIST库中手写数字进行识别测试,实现掌握神经网络基本原理和学习算法的目的。(二)在此基础上,引入Tensorflow,并作为工具,重新实现经典神经网络和算法,并与前面的MNIST库手写数字进行识别率进行比对。掌握应用Tensorflow实现网络定义和完成网络学习。(三)针对经典神经网络学习算法存在的问题,提出优化的方法,引入深度学习的相关内容,重点介绍卷积神经网络(CNN)的结构和算法,用Tensorflow构建CNN和算法,实现MNIST库手写数字识别,提升学习速度和识别准确率。(四)根据学员的学习进度,介绍无监督学习神经网络—自编码器(AutoEncoder)的实现;构建自编码神经网络,利用Tensorflow实现无监督学习,对不带标签的样本进行聚类或特征提取,并以MNIST库的手写识别图片为测试数据,实现自编码器的降维效果测试。

     

  9. 郑州 人工智能 培训,11月2日-11月4日

    本期培训将介绍轻量级AI/Tensorflow理论与应用、轻量级AI/Tensorflow应用实践示范、基于 TensorFlow 的深度学习及其在机器人 NAO 上的应用、基于 TensorFlow 的深度学习在机器人 NAO 上的应用实践示范,并开展AI课程建设分享报告与讨论。

报名网站:http://gur.zucc.edu.cn:3000/training/list