《国产偷情免费视频》

产业共话：(🐠)大规模预训练的商业应(🤱)用及技术发展方向 | CNCC2021

大规(🎲)模预训练模型是否是通向通用人工智能的可行方向？

2018年，大规模预训练技术极大提高(😬)了深(🥝)度神经网络对(🍍)大规模无标(🀄)注数据的自监督学习能力，在GPU多机多卡算力和海(🆙)量(♐)无标注文本数据的双重支持下，预训练模型打(♒)开了深度学习模型规模(🛌)与性能齐飞的局面，成为人工智能和深度学习领域的又一革命性突破，引发了国际著名互联网企业和研究机构的激烈竞争，将模型规模和性能(💄)不断推向新的高度。

目前，大规模预训练模型已经在自然语言处理领域取得了(👼)巨大(📰)的成功。BERT、GPT-3等大规模预训(🤨)练模型被看做是“暴力美学”的一次胜利，验证了“模型越大，性能(🚔)越好”的逻辑，业界(💨)也普遍(👰)形成了(🤧)一种炼大模型的竞赛趋势，国(😙)内也相继发布了ERNIE、盘古、悟道等大规模预训练模型(🧛)，呈现百花齐放、百家(🦏)争鸣的发展格局。

然而在这样的成功背后(🌰)，是海量的数据需求与训练(🐁)资源消耗。以GPT-3为(🕧)例(🚇)，GPT-3有(🤰)1750亿个参数，预训练数据量高达(🕋)45TB，在超大算力资源的加持下，GPT-3训练一次的费用是460万美元，训练时间为355个(🏅)GPU年，这是一般的实验室难以承担的。

研究发现，虽然大规模预训(💫)练模型在自然语言生成等领域的能力已接近人类，但大规模预训练模型对语言的理解有限，只是一个“更大的黑盒子”，依然存在“缺乏常识”的缺陷。此外预训练模型的迁移能力仍待研究，另一方面，大规模预训练模型的落地场景(🏨)一直是个很大的挑战，学术界与产业界对大规模预训练模型的关注点也有着很大的差(🔋)异。

大规模预训练模(🚃)型上述优(💎)势和不足，将 AI 研究者推到了一个十字路口：大规模预训练模型是否能成功从自(🦏)然语言扩展到其他领域？又会带来哪些新的挑战？大规模(🔇)预训练语言模型能否实现认知智能？业界的大模型竞赛现象反映了什么问题？业界进展是怎样的，产业应用所面临的主要难点是什么？(🧥)

10月28-30日，计算机领域年度盛会CNCC 2021将在深圳召(🙃)开。本届大会共开设了111个技术论坛，涉及32个研究方(📇)向。其中在大规模预训练模型领域，大会开设了“产业共话：大规模预训练(🌔)的商业应用及技术发展方(🏯)向”分论坛。

围绕着这个研究及产业的热点领域，深圳市人(📆)工智能与机器人研究(💢)院牵头，联合深圳市人工智能(👯)学会发起这次论坛。邀请北大、粤港澳大湾区数字经济研究院等领域著名学者及华为、腾讯、平安、百度等产业专家进行(🎶)深度解析，探讨大型预训练模型(🖲)当前现状及未来(⏳)发展(🔚)方向，提升大模型在产业的技(✌)术和应用。本论坛包括主旨演讲及Panel研讨环节，站在行(💛)业视角(⛓)探讨大模型的技术背景、发展趋势，及在医疗、金融等多个领域(🥡)的应用探讨。

该论坛由深(📚)圳市人工智能与机器人研究院首席科学家李世鹏担任主席（做主题报告），北京(🔉)大学教授/深圳市人工智能(🧐)学会秘(🍤)书长邹月娴担任共同主席。

届时，华为云人工智能领域首席科学家(🌵)田奇、百度杰出架构师、百度文心(ERNIE)语义理解技术与平(🥐)台负责人孙宇，腾讯天衍实验(❇)室主任郑冶枫、(🔴)平安(🤛)科技前沿技术部负责人王磊、粤港澳大湾区数字经济研究院认知计算与自然语言讲席科学家张家兴(🍁)等产学专家将发表主题报告，深入解读当前大规模预训练(👎)模型的产业发展趋势。

在论坛开始之前，AI科技评论采访了论坛主席、深圳市人工智能与机器人研究院首席科学家李世鹏，就大规模预训练的进展及本次论坛的准备情况进行了对话。

李世鹏是国际欧亚科学院院(⬜)士和国际电机电子工程师学会会士（(😎)IEEE Fellow）。他于1999年作为创始成员加入微软亚洲研究院，曾担任副院长、首席(🎷)研究员及多媒(🐎)体(👫)计算组主任研究员。2018年加入(👉)科大讯飞，曾任集团副总裁及研(🏼)究院联席院长。李院士研究方向为(🌬)多媒体、互联网、计算机视觉等。曾任《IEEE电路与系统视频技术学报》总编辑(🍫)，在多媒体、物(✒)联网及人工智能等领域极具影响力，拥有200多项美国专利并发表了330多(😗)篇国(📪)际论文（H指数：(🏁)82），培养出四位MIT TR35创新奖的获得者。

Q：本届CNCC大会，除了您主持的“产业共话：大规模预训练的商业应用及技术发展方向”外，另外还有一个从学术角度讨论(📲)的(🎞)“大规模预训练模型”论坛。学术界和产业界对大规模预训(🔼)练模型的关注点有什么不一(🤯)样？

A：大规模预训练(⚡)模型自从GPT-3出来以后引起了包(✉)括学术界和工业界(🙅)的很多反响。但大规模预训练是特别耗资源的一件事，现在国内能看到的大概只有ERNIE、盘古(🍅)、悟道等几套，需要很(🏫)大的财力和资源才能支持做这个(✂)事情，学术界基本做不了这事，基本上是跟着工业界(🚓)合作，或者在别人的基础上做一些工作。

那(🚴)么工业界为什么做这个事(⏪)情呢？工业界做这个事情还是要看大规模预训练会对他们的商业目的带(💯)来什么好处。有些人说过，大规模预训练模型可能也是通往通用人工智能之路，现在大概是有那点苗子，但还远远(🗳)没到那个程度。所(🚡)以我们这个论坛也是让大家再讨论一下，到底这些大规模预训练模型今(👃)天有什么应用？预训练带来(🕚)的好处在哪？它的限制在哪里？怎么去突破？通过这个论(🤫)坛让大家进行碰撞，找到未来关注的一些点。

Q：目前深圳市(📼)人工智能与机器(💻)人研究院在大规模预训练模型的研究进展如何？

A：我们现在主要是在跟一些企业合作，这东西还是比较耗费资源。

我们论坛的嘉宾(🥍)中有一位宋彦教授，他在我们研究院有一个自然语言处理大规模(🍸)预训练模型的项目，我们(➖)会结合产业的一些需求进(💷)行研究，毕竟产业界(🐑)更注重具体的落地应(🌶)用。他们会有很多实(✔)际的需求，比如说信息挖掘、信息搜索或者是一些客服(🏪)问答。在得到这些需求后，我们主要考虑如何通过(🖋)这种大规模预训练模型，结合语言、知识、(🦋)理解能力等，把这些商(♿)业应用的东西做得更好。

Q：论坛在嘉宾邀请和主题设计上主要会有哪(🈳)些考虑？

A：(📫)本次议程设计(🎅)主要还是集中在业界关(🍜)注的话题，以及大模型未来发展趋势的一些思考。我们想说的是现在的大模型其实是已经有一些基本的知识基础，那么接下来还有什么，如何引导(🚌)其学习和归纳，“学而知之”，建立(🍁)认知能力等等，如何去设想，如何去突破，我们(🌮)的选择主题里面会考虑这方面的一些内容。

像邹月娴老师会说大模型在(🌌)视觉推理里面的一个突破，百度的孙宇也会介(🌪)绍(🗡)基于认知的一个问答系统，华为的田奇老师也是带来了基于大模型的通用智能的一些探索(🎻)。还有我们的粤港澳大湾区数字经济研究(🦇)院的张家(💻)新老(🎂)师，他的演讲主题(⏩)也是从大模型走向认知科学。

所以说我们也在想现在的这个大模型之后的下一步，看看能不能引起一些这样的思考(📌)。比(🐞)如现在(💢)的大模型不(👝)是所有(🎾)人都能用得起的，下一步能否化繁(🛑)为简赋能多数人？基于规则的模型通常意义上比基于数据的模型更简(🍃)洁和稳定。我相信下一步不管是科研学术界以及(🥇)业界可能都想对这个问题去了解及探讨。

我们这个论坛之所以(⬛)叫做“产业共话”，就是希望探讨大家在实践中遇到的实际问题，而不是一味夸(🥝)大大模型，我们想了解企业遇到过的瓶颈或者困难，这才是真正的有用的、有价(😌)值的东西，可以对我们后续的研究者有着启(🌥)示。也能对大家共同去攻克这样的一些难题起到一个积极的作用。

Q：您提到大规模预训练模型可能是通向通用人工智能的道路，在您看来，人(🐒)的认知过程对大规模训练模型研究有什么启发？

A：我们的思路是跟人的认知过程做一个对比。那(🐐)人的认知过程是(🐆)什么样子(🦏)？我们现在机器又是什么样子？比(😍)如说我觉得大规模预训(🗃)练模型对应的人的认知过程，可能就是一堆知识堆放在脑子里，死记硬背也许也会有点用。但是人真正的认知能力是可以举一反三，是有推理能力，是可以从未经历的事件中，推演出可能的结果(🤵)。现在大规模预训练模型也许也可以举一反三(📇)，但是还是要需要人通过示例来引导才知道要做什么事。

人有些东西是生而知之的(👕)，生下来就有一些先验知识，那怎么通过这(🎄)些知(🌎)识进行推理？这就需要(♎)学而知之(🚑)。人在学习的过程中不但学的是知识，而且还学习规则以及推理的能力。现在大规模预训练模型有(🆚)一些往这个方向走的趋势，但还没有一(✨)个明确的路径。

所以我们现在也Push 大(🏼)家往这块去想，你(🏑)有这样一个大规模预训练的模型，怎么更好去利用起来，或者有一些什么样的方法能让我们更好的去把它利用起来。就像我(🚛)脑袋里灌了一堆知识，但是我不知道怎么去用它。如果能把人的认知过程，也就是人的学习的过程放(🏗)进来，也许就会有一些新的发现。

比如说(🏘)基于规则，我们在用大规模预训练模型的时候，它是需要你先(⛔)给(🎎)很多Example，从观(😫)察你的 Example 里面猜出来，你大概要想做这个事情。那么我们可以不可(📽)以把这个(💡)事情变得更显式，直接告诉(🔢)它我(🕢)的规则是什么(🧡)？我们现在说Big Data，如果能从数据中找到规律，或者如果规则也像数据那么丰富且容易得到的话，我(🍋)们就可以从(🏡)Big Data到Big Rule，这可能就是向通用人工智能又接近了一步。

CNCC2021“产业共话：大规模预训练的商业应用及技(🏡)术发展方向”技术论坛将于2021年10月28日16:00-19:00在深圳国际会展中心召开。齐聚华为、(🥔)腾讯、百度、平安(👪)等行业龙(🕶)头的大模型设计领军人物，联合科研机构专家共同探讨大型预训练模型产业化应用及新的发展方向。聚焦医疗和金融热门领域，把脉大模型技术发展方向。

本次论(🌬)坛由深圳市人工智能于机(🛬)器人研究院首席科学家李世鹏担任论坛主席。李世鹏是国际欧亚科(🎙)学院(📴)院士和国际电机电子工程师学会会士（IEEE Fellow）(💑)。他于1999年作为创始成员加入微软亚洲研究院，曾担任副院长、首席研究员及多媒体计算(👊)组主任研究员。2018年加入科大讯飞，曾任集团副总裁及研究院联席(🌄)院长。李院士研究方向为多媒体、互联网、计(🌝)算机视觉等。曾任《IEEE电路与系统视频技术学报》总编(🎨)辑，在多媒体、物(🌠)联网及人工智能等领域极(🏒)具影响力，拥有200+项美国专利并发表了330多篇国际论文(✋)（H指数：82），培养出四位MIT TR35创新奖的获得(🕵)者。本(🚸)次论坛李(🗾)世鹏将(✉)发表《连接认知科学与认知智能：新人工智能(🌃)发(🐎)展之路？》的主题演讲。

北京大学教授、深圳市人工智能学会秘书长邹月娴担任论坛联席主席。邹月娴是北京大学深圳研究生院党委副书记，教授、博士生导师，ADSP实验室主任，CCF语音对话与(🚫)听觉专委会委员。长期从事机器学习与模式识别、信号与信息处理领域科研与教学工作，先(👉)后主持国家级、地方级科研项目30多项，形成了一系列创新成果；曾(🤩)获中国电子工业部科技进步三等奖，深圳市科学技术奖科技进步一等奖(🍐)；在领域(✈)著名期刊（TIP、TSP等）和国际旗舰学术会议（NIPS、ACL、 AAAI 、CVPR等）上发表学(🚱)术论文226篇，参与撰写中英文专著2本，授权发明专利10项。目前致(⚪)力于跨媒体分析与理解、人机对话、深度学习理论方法与应用研究（https://web.pkusz.edu.cn/adsp/）。

论(🍏)坛日程安排

时间

主题

主讲嘉宾

单位及任职

16：00-16：10

连接认知科学与认知智能：新人工智(🤺)能发展之路？

李世鹏

深圳市(🏴)人工智能(💬)与机器人(🥖)研究院 首席科学家

16：10-16：30

预训练模型在视(🍒)觉理解上的应(🗝)用与发展(🏬)

邹月娴

北京大(📢)学教授/深圳市人工智能学会秘书长

16：30-16：55

通(🦆)用AI的探索和实践

田奇

华为云人工智能领域首席科学家

16：55-17：20

百度文心ERNIE预训练技术与平台(🍝)

孙宇

百度杰出架构师、百度文心(ERNIE)语义理解技术与平台负责人

17：20-17：45

预训练模型在医(👚)学影像(🏐)分析上的应用

郑冶枫

腾讯天衍实验室主任

17：45-18：10

大规模预训练模(🧦)型在金融领域应用中面临的主要问题与应对技术探索

王磊

平安科技前沿技术部负责人

18：10-18：35

大模型时代的认知机器学习

张家兴

粤港澳大湾区数字(💸)经济研究院(⏮)，认知计算与自然语言讲席科学家

18：35-19：05

圆桌论坛：

医疗大模型的应用及(💉)前景圆桌讨论

郑冶枫

陈杰

何径舟

宋彦

陈小军

张彤

腾讯

北京大学教授

百度NLP技术总监

香港中文大学（深圳）副教授(📈)

深圳大学 副教授

鹏城实验室 助理研究员

主题报告1：连接认知科学与认(🚫)知智能：新人工智能发展之(💴)路？

报告人：李世鹏，深圳人工智能与机器人研究院

人工智能发展迅猛，各种新技术日新月异，同时也出现一些瓶颈。让我们暂停一下步伐，看看认知科学的发展，对认知智能的发展有没有启示？认知科学的很多发现，可以在认知智能的研究中起到指导作用，以大规模的模型，以及大规模在人的认知过程中采集的真实数据，也许可(✴)以更准确地模拟人的认知过程。“像婴儿一样开始，像孩子一样学习”，也许是一条可行的新人工智能发展之路？大规模预训练模型可能仅仅是一个新的时代的开始。

主题报告2：预训练模型在视觉理解上的(♑)应用(🥨)与发展

报告(🔈)人：邹月娴，北京大学

视觉理解是计算机视觉领域的前沿研究热点(🗒)，涉及视觉场景的感知与认知，涵盖图像分类、目标检测、行为识别、时序动作(🐌)定位(TAL)等单模态任务，也包括视(Ⓜ)觉描述(VC)和语言查询视频定位(🐋)(VG)等跨模态任务。随着深度学习的快(🕠)速发展，基于大规模标注数据的(💕)视觉预训练模型、视觉-语言预训练模型、语言预训练模型助(🏏)力多个下游任务取得了SOTA的性能。然而(🍌)现有预训(🔳)练(🎺)任务(📜)通常与下游任务存在较大的(🤖)语义(👘)鸿沟，并非在所有下游(🤵)任务上可以获得性能增益。本次讲座将首先介绍视觉理解任务研究现状，预训练模型方法演进及其在视(🎖)觉理解任务上的应用，最后分享细粒度跨模态预训(🏿)练方法及其在视觉定位上的最新研究成果。

主题报告(🤴)3：通用AI的探索和实践

报告人：田奇，华为

随(🚟)着数据的不断积累和算力算法的不断发展，人工智能模型正在变的更大更通用(🏁)。为了实现普惠AI，华为云(⏪)在2021年(🛴)HDC大(🛍)会发布了盘古预训练大模型，建立了一套通用、易用的人工智能工业化(🌭)开发模式。在该报告(🛸)中，将从数据高效、模型高效、知识高效三个方面深入介绍华为云盘(🐢)古(🌴)大模型，尤其是华为云视觉大模型背后的预训练技术。

主题报告(🧥)4：预训练模型在医学影像分析上的应用

报告人：郑冶枫，腾讯天衍实验室

由于隐私和监管问题，医学影像的获得特别困难。同时医学影像的标注经常(💗)需(🎳)要(🕖)医学专业知识，只有专家才能准确标注。这些都导致有标注的(🛁)医学影像数(🤾)据极其稀少。预训练是解决标(🚒)注样本稀缺的(💡)有效手段，然而由于自(😏)然图像与医学影像的差异(🐀)，在自然图(🐋)像上预训练好的模型(📼)迁移到医学(🗾)影像上效果往往参差不齐。同时很多医学成像模态是3维的（比如CT和核磁共振成像），业界更加缺(🤴)乏预训练好的3维影像(🏤)分析模型。本次讲座将介绍我们近期在医学(⛹)影像预训练上的一些工作，比如，Med3D项(🕊)目采取积少成多的方法，将业界的多个公开3维医学影像数据聚拢起来，联合预训练一个多模态、多器官的模型；我们也提出魔方变换的自监督学习(📱)算法，预训练时只需要3维医学影像而不需要任何标(🌚)签；最后将介绍一种(😸)基于对比学习和Transformer架构的预训练方法。

主题报告5：百度文心ERNIE预训练技术与平台(⏪)

报告(🕺)人：孙宇，百度

近年来，预训练语言模型在自然语言处理领域发展迅速，并获得广(🤡)泛应用。2019年，百度率先(🔣)提出了基于知识增强预训练技术(🧦)ERNIE，取得世界级突破。2020年，ERNIE又在语言生成、跨模态理解、多语言理解等方向取得突破，先后提(🌇)出了ERNIE-GEN、ERNIE-VIL、ERNIE-M等模型，取得几十项SOTA，登顶十(📟)余项世界(💑)权威评测榜首。2021年，百度发布知识增(🌙)强大模型ERNIE3.0，刷新50余个中文NLP基准，并登顶(👽)SuperGLUE榜首。ERNIE广泛应用于搜索引擎、金融风控、智能客服等产品，覆盖金融、通信、教育、互联网等行业。本次报告主要包含百度文心ERNIE预训练技术的最新进展、应用情况以及未来发展方向。

主题报告6：大(🌛)规模预训练模型在金融领域应用中(🕞)面临的主要(🚴)问题与应对技术探索

报告人：王磊，平安科技

大规模预训练模型在最近几年获得了(🍠)蓬勃发展，其在各行各业的应用也逐(🖐)渐普遍起来。在金融领(📈)域应用(🍺)这些(🐫)大规模预训练模型(😲)解决场景问题给我们带来了很多便利，但也面临一些问题。其中两(🤦)个问题尤其值得关(🙊)注：一是大规模预训练(🚱)模型基于(🐕)大语料训练，其在解决金融领域问题时不可避(🦑)免的会引入过多背景信息，这些信息的存在可能在我们建立领域文本认知模型时引入了噪音；(🚹)二是基于(🚀)大规模预训练模型建立的各类NLP模(🌁)型，其性能确有提(🍥)升，但金融领域天然容错性低，目前不少(😖)模型的结果(📡)需要人工核对后才(🐞)可使用，这阻碍了实际(🌨)的商(📄)业应用。如何解决这些问题是值得思考的，为抛砖引玉，针对上述两个问题我们将分别介绍语义空(🦎)间分解及置信度评估两类技术探索。

主题报告7：大模型时代的认知机器学习

报告人：张家兴，粤港澳大湾区数字经济研究院

让机器像人一样去(🐈)学习，是机器学习领域一直在追求的目标(🖼)。当下，大规模预训练模型展现出了在零样本和小样本学习、样本生成、先天支持(🍱)后天等方面的强大潜力，而这些正是通往类人的认知机器学习道路(🥤)上的重要基石。本次演讲，将和大家一起探讨大模型时代认知机器学习的(🎬)实践之路。

圆桌论坛：医疗大模型的应用及前景圆桌讨论

嘉宾：

郑冶枫，腾讯天衍实验室

陈杰，北京大学

宋彦，香港中文大学（深圳）

何径舟，百度(🎅)

陈小军，深圳大(🕔)学

张彤，鹏城实验(🍦)室

陈杰，北京大学副教授，围绕计算机视觉和医学图像分析展开研究，发表期刊和会议论文约100余篇，代表论文(🍠)包括国际顶级刊(🆔)物TPAMI，IJCV，TSMC，TIP，TNNLS以及国(📔)际顶级会议CVPR，ICCV，NeurIPS等。Google Scholar 引用4700余次，单篇文章的最高引用达到了1100次，次高引用900余次。近五年先后获国家自然科学基(🔑)金项目3项，主持广东重点项目1项，广东应急项目1项，作为课题负责人主持工信部5G+医疗健康(⌛)应(⏱)用试(💀)点项目。获国家科技进步二(🧕)等奖两(🥒)次（2005，2015）。担任国际顶级(👏)期刊TPAMI和IJCV的客座编辑、TVCJ的编委、国际顶级会议的研讨会共同主席，例如（(🃏)ICCV，CVPR，ECCV和ACM MM）。

宋(♋)彦教授现为香港中文大学（深圳） 副教授。宋教授的研究方向包括自然语言处理、信息检索和(🏈)抽取、文本表征学习等。其著作多次被国际权威组织或会议收录，如国际计算语言学协会（ACL），美国人工智能协会（AAAI），自然语言处理的经验方法(🚪)会议（EMNLP），国际人工智能联合会议(🏇)（IJCAI）等等。

除学术论文著作颇丰外，宋教授还拥有丰富的实践经历。他于2010年(📵)在微软亚洲研究院担任访问研究员，参与构建了(🎛)第一个大规模中文组合范畴语法树库和语法分析器；于2011至2012年担任华盛顿大学访问(🤰)学者；后于2013至2017年加入微软人工智能研究中心，成为“微软小冰”项目的创始人之一；在2017到2019年间，他加入腾讯人工智(🧙)能(➗)实验室，作为自然语(👯)言理解（NLU）团队首席(📘)研究员，领导构建了腾讯AI Lab大规模中文词向量数据集（包括800万中文词），该数据集成为2018年十大人工智能(🌦)开源数据集。目前，宋教授正作为研究科学家，于深圳市大数据研究院(🔫)进行医疗文本表征学习(🌛)研究。

何径舟，百度深圳研发(🛰)中心自然语言处理部技术总监，螺旋桨 PaddleHelix 生物(🔲)计算(⛄)平台负责人。何径舟毕业于北京大学计算(🛺)机系，有 10 年以上(🐵)人工智能技术研发和管理经验，主要研究领域包括自然语言处理、机(♌)器学习、生物计算、智能机器人等。何径舟深度参与了知识增强的语义理解(🦂)技术与平台文心ERNIE、大规模隐变量对话模型 PLATO 、飞桨图学习框架 PGL 、飞桨强化学习框架 PARL 、生物计算平台螺旋桨 PaddleHelix 、小度(🍞)机器人等代表性工作，带领团队夺得十余项国(㊙)际比赛和权威榜单冠军，4 次斩获百(🍘)度最高奖。何径舟是(👿) 200 余项 AI 专利发明人(🚴)，曾获中国专利优秀奖，受聘中国专利审(🏻)查技术专家。何径舟也是中国人工智能学会（CAAI）会员，香港人工智能与机器人学会（HKSAIR）会员，中文信息学会（CIPS）青年工作委员会委员。

陈小军，深圳大学计算机与软件学院副教授，大数据技术与应用研究所助理所长，CCF YOCSEF深圳AC委员，2020年度主席。曾参(🆗)与过多项国家863项目以(🎼)及中国科学院战略性先(❤)导科技专项。领导开发开源数据挖掘平台AlphaMiner v1.1-v2.5版本，在国(😮)内外多所学校做教学软件使用。2010年(🔬)开始，领导开发AlphaMiner云计算版本，并在2010及2011年深圳中国(🌾)国际高新技术成果交易会予以展示。曾参与中科院战略先导专项开发了(👎)基于互联网的云计算大数据挖掘平台。从事数据挖掘、机器学习研究十余年，在相关的国际学术期刊(🙈)和(😾)会议上发表SCI/EI检索论文近50篇，包括CCF A 类/一(🥫)区论文20余篇（发表在KDD、ICCV、IJCAI、AAAI、SIGIR、TKDE，TNNLS上），CCF B/C类论文十余篇。主要研究内容涉及聚类算法(❤)、特征选择算法、有监督及半监督学习算法、基因数据聚类分析及图像分析等。

张彤，鹏城实验室助理研究员，CCF女工委委员，CCF YOCSEF深圳AC委员，深圳市女科技工作者协会副会长，深圳市海外高层次人才(♑)，国家优秀自费留学生奖学金获得者，博士毕业于澳大利亚悉尼大学，2015-2019在英国(🚱)伦敦大学国王学院从事博士后研究工作。主要研究方向为多模态多维度医学影像分析，受邀担任多个顶级期刊及会议的审稿人，多次受邀在国(✏)内外学术会议上给主题/邀(🕛)请报告，谷歌学(⬇)术引用1300余次。

【国产偷情免费视频的相关新闻】