社会科学家的第一节人工智能课2021师资培训班 …
本课程面向社会科学研究者，采用Python介绍机器学习的基本逻辑（需要学员提前安装Anaconda），主要内容包括三（或四）个部分：1. 机器学习简介：从泰坦尼克号讲起；2. 机器学习初步: 朴素贝叶斯与线性回归；3. 机器学习进阶：支持向量机与随机森林；4. 机器学习扩展：基于Pytorch的神经网络模型（备选）。
现有的中心化和分布式机器学习机制所伴随的数据获取成本高、易被攻击、缺少高效数据融合方法等缺点，限制了数据资源的开发以其流通，在很大程度上阻碍了机器学习的广泛落地应用。为解决这些问题，本项目的研究中提出去中心化建模的概念，与传统分布式建模不同，将模型训练分散到海量数据端，建设一个利于机器学习的数据资源可持续开发与流通的生态环境，促进未被利用的海量数据的价值开发，对互联网、大数据、人工智能同实体经济深度融合具有重要的推进作用。
本课程上午是理论课程，围绕如何使用深度学习进行展开，以全连接导入，介绍包括建立模型、损失函数、参数学习等过程；并在此基础上讲述卷积神经网络的特性，详细讲解如何使用卷积层、池化层建立卷积神经网络，如何使用卷积神经网络解决自然语言处理中的文本分类问题。下午为实践课程，针对上午所学理论知识，学会如何使用飞桨搭建DNN模型，并在此基础上，学会如何使用CNN来实现微博谣言检测任务。最后介绍飞桨预训练模型管理工具PaddleHub的使用。