新工科产学研联盟深度学习师资培训班正式启动,百度PaddlePaddle助力青年教师开展相关课程教学

为贯彻落实《国务院办公厅关于深化高等学校创新创业教育改革的实施意见》,深化产教融合、产学合作、协同育人工作,5月5日,由教育部、工业和信息化部指导,信息技术新工科产学研联盟人工智能协同育人工作委员会、教师培训工作委员会联合主办,百度、北京航空航天大学联合承办的“新工科产学研联盟深度学习师资培训班”正式开讲。教育部高教司理工处处长吴爱华,北航党委副书记程基伟,联盟副理事长、北航计算机学院吕卫锋教授,百度AI技术生态部总经理喻友平,百度校园品牌部总监李轩涯等出席了启动仪式。

新工科产学研联盟深度学习师资培训班嘉宾、学员合影

本次培训属于教育部高等教育司公布的2018年首批重点产学合作协同育人项目,致力于打造深度学习“国家队”,为国内高校输送深度学习教育人才。在启动仪式上,吴爱华处长发表了讲话,他提到:“2017年,为主动应对新一轮科技革命和产业变革挑战,支撑服务国家重大战略实施,教育部启动‘新工科’建设,面向未来发展和当前产业急需加快布局工科人才培养。新工科统筹考虑‘新的工科专业、工科的新要求’,更加注重产业需求导向、跨界交叉融合以及支撑引领,改造升级传统工科专业,发展新兴工科专业,主动布局未来战略必争领域人才培养。” 

吴爱华处长发表讲话

教育部新工科建设也对师资队伍提出了新的要求。2018年,新工科建设将实施“十百万”计划:面向人工智能、大数据、云计算、区块链、智能制造、机器人、集成电路、网络空间安全等新兴领域推出10种新兴领域专业课程体系,建设100门新工科课程资源库与在线开放课程,培训至少1万名工科教师。针对本次深度学习师资培训班,吴爱华处长指出:“本次培训是2018年新工科联盟的首个师资培训,我们通过校企合作,加强了课程培训的内容,落实到教师教学能力的提升。此次培训为校企合作模式提供了新的思路,树立了产学研融合典范。”

此前,教育部印发了《高等学校人工智能创新行动计划》,要求全面提升高校人工智能领域人才培养、科学研究、社会服务、文化传承创新、国际交流合作的能力,推动人工智能学科建设、人才培养、理论创新、技术突破和应用示范全方位发展,为我国构筑人工智能发展先发优势和建设教育强国、科技强国、智能社会提供战略支撑,明确了我国人工智能人才培养的总体思路。高校,是人工智能人才的发源地,高校人工智能学科人才培养与学科建设,将直接决定着未来中国在人工智能领域的竞争力。对此,程基伟副书记在现场表示,“高校人工智能学科建设亟待完善,本次深度学习师资培训班就是要把学界最优秀的老师和业界最前沿的科技联系起来,促进产学研融合,完善校企合作模式,在政府部门的支持下,通过学校和企业的力量推动人工智能人才培养与学科建设。”

程基伟副书记代表北航发言

“我们人工智能协同育人工委会将在联盟的指导下助力高校实现这些目标”,作为百度公司代表,喻友平在现场介绍,“除了一系列的师资培训计划,我们还将在教材编写、在线课程设置、人工智能赛事等方面推进产学研融合与协同育人的工作,百度也会提供包括百度云资源、深度学习课程套装等支持。”

百度AI技术生态部总经理喻友平介绍培训初衷

作为国内唯一的深度学习开源平台,百度PaddlePaddle平台将为培训提供技术支持。PaddlePaddle是一个并行分布式的深度学习框架,兼备易用性、高效性、灵活性、可拓展性,是最适合中国开发者的深度学习框架,在应对大规模数据训练需求上表现出色。在本次师资培训中,参训教师可以深入浅出地了解深度学习行业趋势、深度学习框架原理和模型、并从经典网络的原理到高校自然基金深度学习应用、个性化推荐系统等工业实战、科技前沿的案例进行系统的学习。除此之外,教师们还能结合产业应用在课堂进行上机实验和案例实操,得到深度学习理论知识和实践能力的全方位提升,同时百度也将助力青年教师在高校中开展基于PaddlePaddle平台的深度学习相关课程的教学工作。

现场参与培训教师

据悉,本次参训的教师将获得 2018(第一批)教育部产学合作协同育人项目优先支持,获得信息技术新工科产学研联盟师资培训认证证书,并成为信息技术新工科产学研联盟人工智能协同育人工委会第一批种子成员,优先参与工委会后续举办的其他活动。未来,工委会也将与百度及各大高校保持密切联系,定期开设相关培训课程,并寻求进一步参与高校人工智能学科建设的契机,推动产学研融合不断深化。

产业深度学习框架PaddlePaddle百度
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器人技术技术

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

推荐系统技术

推荐系统(RS)主要是指应用协同智能(collaborative intelligence)做推荐的技术。推荐系统的两大主流类型是基于内容的推荐系统和协同过滤(Collaborative Filtering)。另外还有基于知识的推荐系统(包括基于本体和基于案例的推荐系统)是一类特殊的推荐系统,这类系统更加注重知识表征和推理。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

推荐文章
暂无评论
暂无评论~