课程介绍

课程讲授人是从事深度学习项目实践的人员，带队完成了数十个AI项目，内容不仅包括深度学习、机器学习、数据挖掘等具体技术要点，也包括AI的整体发展、现状、应用、商业价值、未来方向等，涵盖内容非常丰富。

邹老师，睿客邦创始人、国内资深AI专家，擅长利用AI技术解决工业、工程中的复杂问题。华东建筑设计研究总院研究员、山东交通学院客座教授、南昌航空大学硕士生导师、中国软件行业协会专家委员、上海市计划生育科学研究所特聘专家、天津大学创业导师、中华中医药学会会员、中国医药教育协会老年运动与健康分会学术委员；领导睿客邦与全国二十多所高校、国企建立了AI联合实验室，完成50多个深度学习实践项目，广泛应用于医疗、交通、农业、气象、银行、电信等多个领域。

说明：

1、主讲人兼备大学老师和企业CEO双重身份，已经有8本人工智能领域的专著（京东等平台有售，数十所大学使用作为研究生教材，进入多家大学图书馆名录）。可以结合实践项目进行重点关注内容的讲解和实操。

2、课程总时长和内容的删减建议进一步讨论。

课程大纲

第一节：AI图像识别和检测攻击技术概览（总体介绍和技术分解，为后续技术讲解树立目的）

图像识别和目标检测

人脸识别技术的主流技术

以亲身项目经历探讨图像识别需求的新变化

如何看待人脸和ReID问题的技术关系

深度模型的对抗样本攻击方式介绍

活体检测有哪些方式

活体检测技术的漏洞和挑战

学术研究和工业应用的出发点不同

第二节：卷积神经网络（知识对齐，略讲）

神经网络结构，滤波器，卷积

池化，激活函数，反向传播

目标分类与识别、目标检测与追踪

AlexNet、VGGNet、GoogleLeNet

Inception-V3/V4

ResNet、DenseNet

代码和案例实践：

数字图片分类

卷积核与特征提取

以图搜图

人证合一

卷积神经网络调参经验分享

第三节：卷积神经网络高级应用（为特征提前做准备）

使用迁移学习实现蒙古文识别

获取中间隐层的特征及可视化

隐层特征的意义和使用

迁移学习的trick

学习率、衰减、冻结等问题

代码和案例实践：

数字图片分类

卷积核与特征提取

以图搜图

人证合一

卷积神经网络调参经验分享

海量蒙古文识别

隐特征可视化及其应用

第四节：图像目标检测与视频分类（重点分析目标检测模型优缺）

人脸识别、活体检测技术应用与实现的现状

视频关键帧处理

卷积的位置不变形与图像定位的关系

物体检测与定位

RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN

YOLOv4、SSD

UNet及其与残差网络的结合

FaceNet与特征

EfficientNet、EfficientDet

视频帧的目标定位

时空卷积网络

SlowFast

Transformer、BERT等模型原理

Encode的特征提取作用

Attention-Transformer模型在图像中的应用

CV领域的特征提取

代码和案例实践：

人脸检测

睿客识云

气象识别

视频分类的trick

政务大厅视频监控的真实系统

第五节：AI安全措施与联邦学习架构

联邦优化

隐私保护机器学习

跨域分布式机器学习

多方学习

并行机器学习

联邦学习的本质

和其他隐私计算的对比

传统机器学习的模型结构

以XGBoost为例介绍机器学习建模流程

将机器学习模型引入联邦方式

以CNN人脸识别为例介绍深度学习建模流程

将深度学习模型引入联邦方式

从两个案例思考联邦的区别

横向联邦的数据分布式方式

纵向联邦带来的数据合并问题

迁移联邦的优势和场景限制

使用场景和异同对比