LOFTER-网易轻博

为进一步推动高等院校人工智能教学工作的开展，加强国内各高等院校同行间的交流，培养国内的师资力量，将人工智能最新实训内容带入课堂，特举办《管理学方向的机器学习、深度学习原理与实践》、《计算机视觉、自然语言处理经典论文班》、《项目实训班（三）》高级培训班。

整个培训由权威专家主讲，提供实验环境及实验数据，并提供配套资料，通过剖析工程案例展现机器学习、深度学习落地全过程。

培训对象

各政府、科研院所、企事业单位相关业务部门主管领导、研究人员等科技工作者；各高等院校大数据相关学科、计算机、软件、信息管理、经济学、经融学、统计、电子商务、金融、工商管理、数理统计专业等科研、教学带头教师、博士生、硕士生等，各行业数据分析相关技术爱好者。

培训安排

三个课程可以单独报名，也可以同时报名

时间安排

培训内容

培训内容

费用

2022.08.15-08.17（三天）

早上9:00-12:00

下午14:00-17:00

管理学科的机器学习原理与实践

经济金融与人工智能技术、Python数据分析、概率统计分布及参数检验、一元回归/多元回归、银行贷款分类、收入模型与分类、经济学现象和关联规则挖掘

量化金融的Python应用、财经大数据量化投资统计套利、欺诈识别与深度学习、卷积网络与生理年龄定价、循环神经网络与金融时间序列分析（比特币价格分析）、工程实践

¥ 3480元/人

2022.08.18-08.21（四天）

早上9:00-12:00

下午14:00-17:00

计算机视觉、自然语言处理经典论文班

CV baseline(图像分类)、图像分割、目标检测、生成对抗网络、光学字符识别、轻量化网络、CVTrannnformer、

NLP baseline(文本分类)、预训练模型、信息抽取、图神经网络、文本匹配、神经机器翻译、情感分析、阅读理解

¥ 3980元/人

2022.08.22-08.27（六天）

早上9:00-12:00 下午14:00-17:00

项目实训班（三）

18个企业项目

新冠肺炎确诊病例预测、外科整形手术复发预测、睿客识云、油藏最优注采方案大数据模型、行人重识别/重定位、中心湖区电子围栏、A股预测、无线电磁波频率场强预测、生猪价格预测、智能身份匹配系统

、杂草识别、智能交通车流量监控系统、画册翻阅检测任务、智能影视剪辑系统、某网新闻质量智能预测、雷达维修智能问答推送、智能法官

¥ 5980元/人

时间地点

报名咨询：13932327338    13932327338@163.com

2022年 8月 15日—2022年 8月27 日 ，每天6小时。 

钉钉在线直播

培训目标

1、整体把握机器学习和数据挖掘的发展方向

2、为管理、金融、经济视角审视数据分析和机器学习的技术框架

3、理解机器学习思维方式和关键技术

4、了解机器学习在当前工业界的落地应用

5、帮助学员思考自身专业方向与论文、技术热点的结合点

授课专家

邹博 (邹伟)，睿客邦创始人，华东建筑设计研究院研究员、山东交通学院客座教授、硕士生导师，南昌航空大学双师型教师、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、中国医药教育协会老年运动与健康分会学术委员、《聊城大学学报》编委；睿客邦当前进入发展第4年，已经与全国十多所高校建立了AI联合实验室，完成和在研50多个AI工业项目，广泛应用于医疗、交通、农业、气象、银行、电信等多个领域。合作企业有：中国电信、中国移动、CSDN，中国建设银行等。在国内外期刊会议发表论文10 余篇，获得国家发明专利1 项，著书1本，译书6本。

训费用

培训费用：费用包含会议费、资料费、授课费、增值税正式发票。

《管理学方向的机器学习、深度学习原理与实践》，3480元/人

《计算机视觉、自然语言处理经典论文班》，3980元/人

《项目实训班（三）》，5980元/人

附件1：管理学方向的机器学习原理与实践——课程大纲

第一部分：经济金融与新一代人工智能

8月15日

第一课：经济金融与人工智能技术

经济金融数据类型、来源

经济金融数据分析工具介绍、分析方法介绍

经济金融与数据分析：金融数据分析和可视化

经济金融与机器学习：时间序列处理

经济金融与深度学习：包括定损、客户鉴别、文据识别、舆情情绪判断及客户画像抽取

人工智能+金融：挑战、偏见与路径

金融中的深度学习可解释问题

第二课：数据挖掘、人工智能技术现状

当前的机器学习、深度学习与模式识别、传统算法的区别和联系

强化学习和AlphaGo、AlphaZero模型

图像视频方向：目标检测/微表情识别/医学图像分析/图像检索/图像识别/目标跟踪等

自然语言处理方向：场景主题/ /舆情分析/问答系统/场景文字检测/语义理解等

代码和案例实践：

传统IT产业项目案例分享：以某知名品牌的点读机产品为例

交通气象等传统行业项目案例分享：以高速公路缴费系统的痛点为例

某运营商的光猫识别项目

上市公司公告文本的并购分类为例

第二部分：经济金融与数据分析

第三课 ：Python数据分析程序包

经济金融数据类型、来源

Python数据分析程序包应用基础

Python NumPy、SciPy数据存取

Python Pandas的csv、Excel格式数据文件存取

Python图形的绘制和可视化

Matplotlib绘图应用基础

直方图\散点图\气泡图\箱图\饼图条形图\折线图

代码和案例实践：

读取Yahoo财经网站数据

读取挖地兔财经网站数据

挖地兔Tushare财经网站数据保存与读取

蝴蝶效应：Lorenz系统的三维绘制

第四课 ：概率统计分布及参数检验

二项分布、泊松分布、正态分布

β分布、均匀分布、指数分布

描述性统计量

描述性统计的Python工具

单组数据描述性统计的Python应用

多组数据描述性统计的Python应用

单、双正态总体均值、方差、均值差、方差比t检验、假设检验

代码和案例实践：

大素数计算与优化、Benford定理

公路堵车概率模型Nagel-Schreckenberg 实现

负二项分布与比赛胜率

股票数据分析

缺失数据的处理和预测

环境数据异常检测和分析

第五课 ：一元回归/多元回归

相关分析、一元线性回归、自相关性诊断

多元线性回归

scikit-learn工具应用

逻辑Logistic回归分析Python应用

广义线性回归

梯度下降算法：BGD与SGD

特征选择与过拟合

Softmax回归的概念源头

最大熵模型

K-L散度

代码和案例实践：

股票数据的特征提取和应用

模糊数据查询和数据校正方法

二手车数据特征选择与算法模型比较

广告投入与销售额回归分析

TensorFlow实现线性回归、Logistic回归

8月16日

第三部分：经济金融与机器学习

第六课 ：银行贷款分类、收入模型与分类、聚类

决策树和随机森林

支持向量机

XGBoost模型

K最近邻算法

LightGBM原理与实践

无监督聚类算法

代码和案例实践：

收入分类模型的提升应用

银行贷款分类

基站小区节能预测建模

第七课：经济学现象和关联规则挖掘

关联规则算法详述

频繁项集及其快速发现

BFS和DFS搜索策略

Apriori、Eclat

FP-growth

代码和案例实践：

商品和用户相关性分析与推荐

用户相似性评价的不同方案与异同比较

啤酒和尿不湿现象

关联规则与SVD、LFM的实战区别

机器学习部分的工程实战

第八章：量化金融的Python应用

战胜股票市场策略可视化

股票数据描述性统计

资产组合标准均值方差模型

资产组合有效边界

Markowitz投资组合优化

蒙特卡罗模拟股票期权定价

蒙特卡罗模拟期权价格稳定性

第九课 ：财经大数据量化投资统计套利

Python应用于Markowitz投资组合优化

基于Bigquant量化投资平台的统计套利协整配对交易策略

代码和案例实践：

基于Python环境统计套利协整配对交易策略

8月17日

第四部分：经济金融与深度学习

第十课：欺诈识别与深度学习

欺诈识别介绍

构建深度网络进行欺诈识别

代码和案例实践：

大规模数据下复杂机器学习技术进行欺诈识别

第十一课 ：卷积网络与生理年龄定价

卷积网络介绍

动态风险定价

利用手背纹理来确定生理年龄

保险应用的模式分析

代码和案例实践：

健康管理应用：扩维卷积技术用于脉象识别

第十二课 循环神经网络与金融时间序列分析（比特币价格分析）

经典时间序列分析方法

时间序列分析的ARIMA建模

ARIMA模型时间序列分析的Python Statsmodels应用

时间序列数据分析ARIMA模型的Python应用

循环神经网络

代码和案例实践：

比特币价格分析的循环神经网络方法

第五部分：工程实践

案例1：运行商中用户流失风险分析与预估

案例2：客户贷款的风险分析和建模与评价

案例3：股价价格因素分析与预测

案例4：信用卡欺诈检测

案例5：购买意向预测

案例6：新冠肺炎确诊病例预测

包括如下技术点：

时间序列算法：自回归、移动平均和整合模型

ARIMA、Prophet、HMM的综合应用

股票走势可视化

突变点

模型评价指标

对用户的搜索数据进行分词与词性过滤

Word2vec词向量模型

词向量与神经网络的应用

词性标注方法

条件随机场CRF简介

数据探索性分析

混淆矩阵

特征选择与重要度计算

XGBoost/LightGBM/catBoost

样本重采样与模型融合

特征选择与筛选

机器学习的可解释性问题

强分类器可否进行模型重合

数据挖掘模型与规则提取

• 2022年 8月15日—2022年 8月17 日（共3天）

• ¥ 3480元/人(含资料费，培训费，赠送人工智能学习资料)。

附件2：计算机视觉、自然语言处理经典论文班-课程大纲

第一部分：计算机视觉论文讲解框架

8月18日

第一课：CV综述及CV baseline(图像分类)

了解发展历程和技术演化路径

入门CV必需掌握的基石性论文

AlexNet 、ResNet、 DenseNet、 VGG 、GoogLeNet、 V1-V4 Senet 、ResNext

(10篇 cv basline)

第二课：图像分割

1.图像分割综述

2. FON 深度学习语义分割开山之作，经典必读第一箱

3.U-Net &FusionNet- 医学图像分割领头羊

4.SegNet8.DeconvNet- 语义分割必读算法

5.Deepiab系列 带孔卷积，大有作为

6.GON 开拓语义分割新思提

7、DFN 从宏观角度重新看待语义分割

B. RefinoNet 综合网络三部曲，前篇(经典)

9. ENet8AinkNet 实时分割入门必读

10.BSeNet 旷世实时分割系列佳作一

11.DFANet 旷世实时分割系列佳作二

12,Light Weight RefineNet -、综合网络三部曲，中篇(实时)

13.RodNet RGB-D语义分割入门必读

14,RDFNet, 综合网络三部曲，后篇(RG8-D)

第三课：目标检测

1.目标检测综述

2 Faster RONN 第一个端到耀网络

3, YOLO 抢测网络模型

4.FPN 第一个特征胜合网络

5. ComerNet 第一个点检测网络

6.FCOS 特征购合+点检测

7. Cascade RONN 多任务网络模型代表

8. mesk RONIN Faster RONN的进一步改进

9.SSD- 早期单阶网络

10.DSSD一 SS的进一步改进，可变形卷积

11.ElficeintDet- -将多尺度特征哈合和模型缩放结合

8月19日

第四课：生成对抗网络

1.GAN综述

2 原生GAN 恰出GAN的基本框架和理论证明

3. Conditional GAN 在输入中加入额外的条件信息来控制的出

4.DOGANGAN 使用深度卷积神经网络来实现生成器和判别器

5. Improved Gan 基于少量目标人脸图像就可以训练一个模型

6 Pb2Pix 把输入由装机操声改为图像

7.CycloGAN- 输入和输出是无需--对应的两姐图像

8ProcessivalyGroing GAN使用渐进式训练来逐步生成越来越大的图像

9. StackGAN- 根据一段文本措述来生成对应的图像

10.BigGAN 大batch，大网络，限制输入操声的分布，训练

稳定性trick

11.StyleGAN 基于Progressively-Growing GAN，可以精细控制输

出图像不同尺度的特征

第五课：光学字符识别

1.OOR综述

2 EAST_ 全卷积网络+非极大值抑制，继短检测时间

I3.PSENet-______-多个尺度预测结果，准确检测区分临近文本行

4.PANNET-_-号称PSENEt的二代

5.DENE--____.--将二值化融入网络，速度极快

6.Pxellink.. 经典文字检测网络

7.CRNN-......--任意长度输入，模型小，参数少

B.ASTER 整合侨正和识别，改善不们叫文字识别

9.MORAN.. 加入注意力机制的交本识别

10.FOTS 解决了角度文本端到识别的问题

11.Detectron- --facebook开源的物体检测与分割程架

第六课：轻量化网络

1.轻量化网络综述

2 MotieNets -. ---Goode移动计算法宝

3.ShuffleNet- --计算效率极赛的NN架构

4.SnuonoNet-_又小又快的网络模形5，XcoptionIncoption网络的增强板

6Distillingthe Knowledep in a Noural Network一知识蒸物开山之作

7.Network Slimming--利用剪枝进行网络瘦身 Battentiontransfer--注意力转移

9. Pruning for Eficient lnference 英伟达 选代式煎枝策略

10. Leaning weichts and Connectiors 三步法进行剪枝

8月20日

第二部分：自然语言处理论文讲解框架

第一课：NLP综述及NLP baseline(文本分类)

了解发展历程和技术演化路径

入门NLP必需掌握的基石性论文

Word2Vec、 Glove、 Char Embedding 、Textcnn、 CharTextCNN 、FastText 、LSTM_NMT NNT、attention、 SMG

第二课：预训练模型

1.Trarsformer---_-------BERT的基石2 transformer-xl-----文本生成任务经典模型

3 ELMO--- -------种新型深度语境化词表行

4.gpt--- 一文本生成任务上的巨人

1 5.ulmfit-----少量样本训练的预训练模型

6 BERT--- -龙骨级的训练词向量概念

7.XLNet-- 一同时拥有AE和AR的优势

8.ALBERT- ---新轻量版BERT

9.mass-- --包含gpt和bert的预训练模型

10.electra----轻量级新生代预训练模型

第三课：信息抽取

命名实体识别

1. BiLSTM-CRF- ---经典Baseline模型

2.Chinese NER Using Lattice LSTM----融合字词向量的中文NER

3. CNN-Based Chinese NER with Lexicon Rethinking---Rethinking机制的CNN

网络解决中文NER问题

4.Alexicon-Based Graph Neural Network for Chinese NER---图神经网络解|

决中文NER任务

5.TENER ----改进Transformer应用在NER任务

6.Simplify the Usage of Lexcon in Chinese NER ----自适应Embedding融合

词典信息解决中文NER任务关系抽取

1. Relation Classification wia Corvolutional Deep Neural Network

2.rankloss--___--CNN识别改进

3.Attention-based bidirectional long short-term memory networks for relation classification

4.joint extractions of entities and relations based on a novel tagging scheme

5. ANovel Cascade Binary Tagging Framework for Relational Triple Extraction

第四课：图神经网络

1. Node2vec- -同质性和结构性

2. LINE -- --1阶+2阶相似度

3. SDNE- 多层自编码器

metapath2vec- 异构图网络

5. TransE_ 一知识图谱莫基

6 GCN -- 一开山之作

7. GAT ___ attention机制

8. MPNN - 空域卷积消息传递框架

9.GGNN -- 一门控图神经网络

10. GraphsAGE -归纳式学习框架

8月21日

第五课：文本匹配

1.D5SM-- 第一篇深度举习领城文本匹配文章

2SimseNet- --利用李生网络计算文本相似度

3. Comgare-Argreaget- -多角度提取文本特征，利用CNN进行特征融合 !

4.ESIM-- 最流行、经典的文本匹配模型，优秀的baseline

5. BIMPM-- 一多通道、多角度匹配、充分挖据文本特征

6.RE2--- --基于更丰富特征对齐结构的简单高效文本匹配

7. MatchPyramid-以图像识别的方式进行文本匹配

8. Poly-encoders- 基于BERT预训练模型的快速准确多句评分模型

I9.MGCN-- ---基于图形分解和卷积匹配的长文档匹配

10.5emBERT------使用BFRT合上下文语文信息实现文本匹配的植型

第六课：神经机器翻译

1.Effective Approaches to Attention-based Neural Machine

Translation --经典的使用attention做神经机器翻译文章

2. Modeling Coverage for Neural Machine Translation Coverage

NMT --在nmt中使用coverage解决过度翻译和混翻译问题

3.Massive Exploration of Neural Machine Translation

Architectures -- 神经机器翻译中的参数设置

4.Neural Machine Translation of Rare Words with Subword

Units--Bpe子词的方法做机器翻译

5. Neural Machine Translation with Reconstruction -_一种新奇的加

上一个auto encoder解决机器翻译中的漏翻问题的论文

6. Back-Translation Sampling by Targeting Difficult Words in Neural

Machine Translation --机器翻译数据增强方法

第七课：情感分析

1.TextRNN -- 使用酒环神经网络进行句子的情味分类。

2.FastText，Bag of Tricks for Efficient Text Classification-基于FastText的快速情感分类方法

3.TextCNN.Convolutional Neural Networks for Sentence Classification-使用卷积神经网络进行句子的情进分类

4.TreeLSTM,limproved Semantic Representations From Tree-Structured Long short-Term Memory Networks-基于树结构的长短期记忆网络进行的语义表示上的改进

5.TD-LSTM -- 基于LSTM进行目标依赖的情感分类

6.AT-LSTM --基于Attention的LSTM模型用于aspect-level的情感分类

7.MemNet--深度记忆网络在用于aspect-level情感分类

8.IAN--交互式注意力网绝用于aspect-level情感分类

9. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding--基于Bert模型进行情感分类

10.ERNIE 2 0:AContinualPre-tranine Framework forLaneuaee

Understandine--最大语义评测SemFval2020上，ERNIE摘得5项世界冠军 -----------

第八课：阅读理解

1. Teaching Machines to Read and Comprehend(完形填空)基于神经网络的MRC任务从此开始迅速发展

2.Bi-Directional Altention Flow for Machine Comprehension(抽取式问答)

首次提出了双向的attention流应用在MRC任务，在SQUAD数据上取得sota的结果，后面的许多论文都是在此基础上进行的

3.Get To The Point: Summarization with Pointer-GeneratorNetworks(茶*生成)--从文本摘要中借监过来的，主要解决的是生成任务中0OV等问题，在生成式阅读理解任务里可以通过引入PG-Net来达到更好的效果

4. Improving the Robustness of Question Answering Systems to Question

Paraphrasine(老察模型的抗+扰能力)

研究发现很多模型在问题被攻击之后{即替换问题中的某些词语造成干扰)。效果会大大降低。针对这类问题，主要从数据增强以及对抗训练的角度出发。提升模型抗干扰的能力

5.XLNet Generalized Autoregressive Pretraining for Language Understanding 结合了白回归和自编码与训练语言模型的优势，提出双流自注意力机制，本次主要聚焦在中文的XLNet，也会对原文进行简单的核心介绍

l 2022年 8月18 日—2022年 8月21 日（共4天）

l¥ 3980元/人(含资料费，培训费，赠送人工智能学习资料)。

附件3：《人工智能—项目实训班（三）》—18个企业真实项目

8月22日

项目1: 新冠肺炎确诊病例预测

使用2019年有数据记录以来的真实客观数据，预测未来一段时间（如15天某地区新冠确诊病例的数目）。有越来越多的专家学者认为新冠肺炎病毒为与人类长期共存的传染病，如同普通流感、艾滋病、疟疾等。因此，进行新冠确诊病例的爆发可能性预测就显得非常重要。

本项目中需要思考和学习的问题：

1、常见时间序列模型的原理和使用方法

2、提高预测精度可以考虑的方式

3、深度学习LSTM和机器学习Prophet、ARIMA的综合运用

项目2:外科整形手术复发预测

本项目意在实现一个基于深度学习网络的外科整容手术复发预测系统，通过结合关键特征点在手术前后坐标、点线距、点线角度，甚至病人个体特征，构建一套完整的深度学习网络，输出各指标在半年后可能出现的移位情况，以预测整容手术后复发概率，提高人们对整形的风险认知。

项目3:睿客识云

民间早就认识到可以通过观云来预测天气变化。1802年，英国博物学家卢克·霍华德提出了著名的云的分类法，使观云测天气更加准确。霍华德将云分为三类：积云、层云和卷云。这三类云加上表示高度的词和表示降雨的词，产生了十种云的基本类型。根据这些云相，人们掌握了一些比较可靠的预测未来12个小时天气变化的经验。然而长久以来，对云类别的识别依赖于专业知识来进行判断，人们对云所代表天气变化情况的认识也逐渐模糊。在图像识别技术愈发精进的今天，我们尝试使用深度学习模型对云的种类进行识别，满足人们对云类型识别兴趣，同时发挥辅助气象预测的作用。搜集到的云训练数据如图7.1所示

8月23日

项目4:油藏最优注采方案大数据模型

本项目是通过获取的数据为地层静态数据、注采动态数据、生产点集测试数据等数据信息，对模型进行训练，期望通关分析井间连通系数、产量劈分系数等客观环境，形成合理的配产配注方案，从而提升产油量。

项目5:行人重识别/重定位

本项目是为了通过行人的动作姿势来检测可疑人员，行人重定位直接使用了CNN，并且使用 GAN得到PersonNet和PoseNet，可用于相册类聚，无人超市。

项目6:中心湖区电子围栏

本项目是为了使用摄像头检测湖区周边，并在检测到行人距离湖面过近时发出警报；该目标的完成主要分为以下几步：首先读取摄像头视频流，进一步使用目标检测模型完成人的识别并利用语义分割模型完成湖区分割，最终将两者的交叉情况进行展示与警报。

8月24日

项目7: A股预测

了解不同的股市状况，改变交易策略，对股市收益有很大的影响。弄清楚何时开始或何时止损，调整风险和资金管理技巧，都取决于股市的当前状况。有些策略在波澜不惊的股市中表现良好，而有些策略可能适合强劲增长或长期下跌的情况。在本文中，我们将通过使用一类强大的机器学习算法RNN来探索如何识别不同的股市状况。

项目8：无线电磁波频率场强预测

全国无线电专业委员会对于不同频段在技术和应用上分段给不同单位使用（广播电视、电信运营商、飞机塔台等）。在其中的广播信号中，为了让听众收听到音质良好的信号，目前常用的做法是：工程车沿公路不断发射信号，经过反射衰减后得到接受信号；如果接收信号与发射信号的差值并不大，则可以保证该区域的场强辐射良好。其中关键地方在于：人们更关心在居民区、楼宇中接受广播信号的强度。因此，需要通过已知数据（在公路实测值）推测未知数据（居民区中）的场强值。现在的做法是在无线电方向，使用经验公式加经验参数的形式去推测，然而结果并不准确。因此，在项目中，我们尝试使用机器学习的手段，通过训练数据建模，使用机器学习模型来推测未知区域的场强。

项目9: 生猪价格预测

我国是猪肉消费大国，近几年每年都有7亿多头生猪出栏，世界上有一半的猪肉是在中国消费掉的。由于市场需求等因素的影响，出现生猪价格从5元到10元的震荡，所以，生猪价格对饲料、养殖户、屠宰场、民生生活等起这重大作用。同时，由于国家正准备增加“生猪”这一期货品种，因此，对于生猪价格预测准确，是具有重大意义的问题。

8月25日

项目10: 智能身份匹配系统

在我国，诸如行业领域、场合都需要进行身份现场确认，银行、火车站、飞机场、酒店等都有专门工作人员来进行该项工作。智能身份匹配系统的研发初衷，就是基于深度学习网络，使用深层特征表示面部特征，实现快速、准确的身份证照片与现场照片的匹配功能。

项目11:杂草识别

杂草一般被认为是“长错地方的植物”，也就是指人们有意识栽培的作物以外的植物。它生长迅速，不但与植物争夺养分和水分，而且还是多种病虫害的中间寄主，如果防除不及时就会蔓延，影响植物的生长。因此，杂草防除一直是园林养护工作中的重大难题。本项目根据拍摄的1667张照片，训练卷积网络模型识别10种常见的杂草。

项目12:智能交通车流量监控系统

目前各大高速路段进行车流量统计的方法，主要是基于各出入站口的计数或声波检测系统。前者覆盖粒度较粗，后者覆盖成本较高。同时，国内高速路段摄像设备已经基本布置覆盖，那么如何高效利用高速监控视频数据，具有很高的发现价值。基于河北高速流量预测任务，智能交通升级版——睿客智能车流量监控系统应运而生。

8月26日

项目13: 画册翻阅检测任务

睿客实时目标检测器是针对特定领域的实时目标检测任务（ImageTracker），主要目的是在一段视频影像中识别出备选集中存在的某个目标，是经典的计算机视觉任务。该项目落地形式为在用户翻阅画册过程中，识别出画册所属页数。

项目14: 智能影视剪辑系统

在影视业，一部影视产品百分之五十以上的时间都放在的后期剪辑上。剪辑工作中，初剪工作机工作量大，重要程度高，但是同样械性很高，剪辑人员需要将视频与音频的场记板合拢时刻精对上，再筛选出合格的视频与音频，之后进行根据剧本或创意的加工、精剪。为了减少初剪工作量，辅助剪辑师进行剪辑，智能影视剪辑系统初衷是辅助完成视频与音频在合拢瞬间的对齐，提升剪辑工作效率

项目16: 某网新闻质量智能预测

本项目希望对自动爬取到的网络新闻进行质量预测，判断该条新闻是否存在被后续进一步分析的价值。新闻质量的智能预测能够大大提升对网络舆论的分析速度，减轻信息筛选负担，增加信息获取效率。

8月27日

项目17: 雷达维修智能问答推送

全国共部署了200部气象雷达进行气象的预报工作。由于雷达设备极其昂贵和重要，人们对于雷达的警报或故障极度重视。该项目使用积累的雷达历史维修记录，使用机器学习模型学习了一个智能问答系统，该系统可以根据新出现的故障问题给出具体的维修方案。

项目18: 智能法官

本项目专注于律师行业的智能化律师办案平台，创造性的将专业知识和大数据技术进行有效整合，将案例法规大数据、工商大数据、合同数据库、智能对客服务、案件管理、客户管理、卷宗管理、律所行政管理全业务流程打通，从而助力律师行业全面实现在线化、数字化，打造智能化的法律服务供应链平台。平台需要有至少70%以上的公开法律文书，并以此为基础，根据原告和（或）被告主诉，进行文书相似事件检索，并排序后返回相似的前若干个案例，为法官和律所提供判例依据。

• 2022年8 月 22日—2022年8 月 27日（共6天）

• ¥ 5980元/人(含资料费，培训费，赠送人工智能学习资料)