**课程名**：神经网络的计算基础 

**类型**：本科生课程，2学分 

**授课教师**： 

田永鸿教授。田永鸿教授是北京大学计算机学院博雅特聘教授，博士生导师，IEEE Fellow，北京大学深圳研究生院信息工程学院院长，鹏城实验室网络智能部副主任兼云脑研究所所长，鹏城云脑技术总师，香港中文大学（深圳）和华中科技大学兼职教授，2018年国家杰出青年基金获得者。主要研究方向为分布式机器学习、神经形态视觉、AI for science和视频大数据。

**课程简介**：

以卷积神经网络为代表的深度学习技术正在引爆新一波人工智能热潮。深度学习正在不同领域碾压传统方法，部分方法甚至已超越人类性能；然而，深度学习是否是“炼金术”、“万金油”？2018年以来，以Gary Marcus和Yann LeCun为正反方代表，就深度学习与通用人工智能之间的关系展开了一场大论战。因此，有前瞻眼光的学生和青年研究者不应再满足于短期、渐进式的目标，而应从这场论战中得到启迪，考虑如何长期投资与布局我们的学习研究方向。 

神经网络是脑科学与机器学习的交叉学科领域，其终极目标是模拟生物视觉感知、计算与推理的机理来达到或超越人类智能的有效途径之一。本课程以生物视觉信息处理机制为出发点，重点讲授深度神经网络和脉冲神经网络为代表的人工神经网络基础理论、方法与技术，并紧密结合类脑视觉工程系统应用，为后续的相关研究与应用开发打下坚实的基础。 在本学期，课程还将对AI for science进行介绍，展示近年来人工和脉冲神经网络对于生物、医药、物理等领域的科学发现所做的助力，并分析其背后的关键技术。

本课程尝试从计算基础和生理基础两方面来学习和探索新一代机器学习理论与方法，教学上以基本概念学习为主，通过互动研讨、前沿进展综述、经典研究复现和/或开源软件设计，以轻松的方式让学生踏入机器学习、类脑计算和AI for science之门。 

**教学目标**：

* 基础：注重机器学习、计算机视觉领域的学术理论和工业应用；

* 全面：综述人工神经网络的基础理论、方法与技术；

* 前沿：从计算基础和生理基础两方面认识和掌握机器学习；

* 专业：特别关注在类脑视觉计算和AI for science方面的方法、技术及应用。 

学习完本课程后，同学们将掌握常用神经网络搭建和训练方法，并能代码实现；了解神经网络、神经形态视觉和AI for science领域的最新进展；为进一步开展研究打下基础。 

**先修知识**：

熟悉Python语言即可。课程配套有（祖传的）实践指南，在每次上课的最后阶段由助教讲解，帮助大家学会配置环境、搭建网络、在服务器上运行模型。

笔者（助教本人）是大二下学期学习的本课程，此前没有修过概统。笔者当时感觉完全能够跟上！

**考核方式**： 

出勤、课程设计（展示和书面报告）

**往年回顾**：

今年是本课程第五次开课。往年选课同学背景多样，来自信科、元培整科、生物、医学、数学等多个院系。在以往的课程中，我们结合实验室自行开发的脉冲神经网络深度学习框架惊蜇spikingjelly，提出了与脉冲神经网络和开源框架相关的课程设计可供选择；同学亦可选择与课程内容相关的其他主题开展期末课程设计，包括但不限于：神经网络和计算神经科学领域论文的复现，使用神经网络解决自己所学学科中的问题…… 课程给分良心，详见#4627280（今年助教没拿到去年的给分数据x）。

欢迎对人工神经网络、脉冲神经网络、类脑智能和AI for science感兴趣的同学选课。我们特别鼓励信科以外的、有交叉学科背景的同学选课！

**相关链接**： 

北京大学数字媒体所媒体学习组：https://pkuml.org/

惊蜇框架：https://spikingjelly.readthedocs.io/