5
在大数据和人工智能界，常有这么个说法“谁掌握了数据，谁就占据AI高地。”
但是“掌握数据”往往意味着巨大成本。首先海量数据经常被大型企业垄断，给原始数据标记也需要耗费巨大资金。
所以，基于数据而习得“特征”的深度学习技术受到狂热追捧，而其中GANs模型训练方法更加具有激进意味：它生成数据本身。
GANs是“生成对抗网络”（Generative Adversarial Networks）的简称，由2014年还在蒙特利尔读博士的Ian Goodfellow引入深度学习领域。2016年，GANs热潮席卷AI领域顶级会议，从ICLR到NIPS，大量高质量论文被发表和探讨。
Yann LeCun曾评价GANs是“20年来机器学习领域最酷的想法”。
在GANs这片新兴沃土，除了Ian Goodfellow所在的OpenAI在火力全开，Facebook的人工智能实验室也在这一领域马不停蹄深耕，而苹果近日曝出的首篇AI论文，就是基于GANs的变种“SimGAN”。
从学术界到工业界，GANs席卷而来。
经360首席科学家、人工智能研究院院长颜水成强力推荐，本期雷锋网硬创公开课特邀冯佳时博士，为大家做一期以《深度学习新星：GANs的诞生与走向》为主题的演讲，拨开围绕GANs的迷雾。
本次公开课内容包括但不限于
什么是生成对抗网络（GANs）？
GANs现在为什么这么火？
GANs目前在深度学习领域处于一个什么样的位置？
如何看待OpenAI 、Facebook Fair等在GANs领域的现阶段工作？
如何评价苹果的首篇AI论文提出的SimGAN训练方法？
GANs适用于哪些商业领域？
GANs的未来发展方向是什么样的？
嘉宾介绍
冯佳时，现任新加坡国立大学电子与计算机工程系助理教授，机器学习与视觉实验室负责人。
中国科学技术大学自动化系学士，新加坡国立大学电子与计算机工程系博士。2014-2015年在加州大学伯克利分校人工智能实验室从事博士后研究。现研究方向为图像识别、深度学习及面向大数据的鲁棒机器学习。冯佳时博士曾获ICCV’2015 TASK-CV最佳论文奖，2012年ACM多媒体会议最佳技术演示奖。担任ICMR 2017技术委员会主席，JMLR, IEEE TPAMI, TIP, TMM, TCSVT, TNNLS及 CVPR, ICCV, ECCV, ICML, NIPS, AAAI, IJCAI等期刊、会议审稿人。冯佳时博士已在计算机视觉、机器学习领域发表论文60余篇。
活动详情
主题：《深度学习新星：GANs的诞生与走向》
嘉宾：冯佳时
时间：1月5日（周四） 晚20:00
地址：硬创公开课 斗鱼直播间（房间号：788495）
本期雷锋网硬创公开课将会有【斗鱼直播+微信群问答】两个环节。嘉宾直播授课分享结束后，将会在微信群与群友问答互动。
为了打造高质量且细分的读者交流群，我们需要您提交一些基本资料作简单审核，而本次公开课读者群将优先CV相关从业者和学生进入。
扫描下方海报上的二维码，进入雷锋网人工智能垂直微信公众号【AI科技评论】后，可获得详细入群方式。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
