洪小文博士将为大家介绍微软研究院最新AI成果，微软在 Azure 公有云中围绕人工智能和数据分析、深度学习提供的接口和服务，探讨这些服务如何助力开发人员抢占人工智能的先机。

本次课程介绍了一个基于深度神经网络的精细化物体识别应用—微软识花。课程首先详细介绍了微软识花的产品功能、特点、识别逻辑、用户界面和影响力。其次，针对精细化物体识别的网络设计和参数优化，以微软亚洲研究院CVPR 2017的文章为基础，进行了详细讲解，并对精细化物体识别在多种用户场景下的应用进行了探讨。

传统的数据科学研究和实践流程中，数据预处理花费超过70%的时间，而且模型训练、评估、展示与发布等模块分离，无法快速将模型产品落地。本课程深入分析数据科学流程中常见的四大关键问题，详细介绍微软全新推出的Azure Machine Learning Workbench工具，针对性解决四大关键问题，帮助数据科学家降低开发成本、提高训练效率，并且通过与Azure公有云平台无缝衔接，实现模型快速验证和发布。

Azure 数据湖泊包括数据湖泊存储(Data Lake Store)及数据湖泊分析服务(Azure Data Lake Analytics)两个部分。 数据湖泊存储是企业级超大规模存储库，设计用来满足巨量数据分析工作的存取需求 。数据湖泊存储区同时是Hadoop 兼容的储存机制，可搭配 Hadoop…

这节公开课介紹了一个新零售智能快闪车的项目，利用微软大数据预测未来趋势与新兴设计，确保产品合乎市场需要。同时, 通过Skype Translator随时随地让设计师与顾客沟通。此外，通过镜头和微软认知服务的技术记录顾客数据，转化为具参考价值资料。

本次课程首先简要介绍了Microsoft Pix为何被称为人工智能相机，并解释了Pix拍摄中涉及的智能技术；然后以五个功能为例重点介绍了这些功能如何得以实现。通过Pix这个案例，展示基础研究如何有效地转化为有用的产品，服务大众。

本次课程介绍了一个基于深度神经网络的精细化物体识别应用—微软识花。课程首先详细介绍了微软识花的产品功能、特点、识别逻辑、用户界面和影响力。其次，针对精细化物体识别的网络设计和参数优化，以微软亚洲研究院CVPR 2017的文章为基础，进行了详细讲解，并对精细化物体识别在多种用户场景下的应用进行了探讨。

这次课程以一个具体的应用问题，即医疗健康领域常见问题的自动化问答为例介绍了包括知识工程，统计机器学习，包括深度学习在内的多种算法如何在解决问题的过程中被从不同角度不同程度的使用。

Microsoft Machine Learning for Apache Spark（以下简称MML for Spark）是微软提供的一个开源的机器学习Library。它提供了大量用于机器学习和数据特征化的高级函数，可以简化原有Apache…

本讲座简单的介绍了强化学习的基础知识。包括以下四个方面： 1） 什么是强化学习；2）马尔可夫决策过程和贝尔曼方程；3）Q-learning算法； 4）Deep Q-learning算法。

本课程分为两个部分。第一部分介绍如何利用八叉树结构来构造高效的三维卷积神经网络，并将其应用在三维物体的识别、检索与分割。第二部分针对表观建模中的大量无标注数据和少量标注数据，介绍如何构造自增强神经网络进行有效的训练。

本讲座简单介绍了深层神经网络在语音识别中的应用。包括以下四个方面：1）语音识别系统的概要；2）基于前馈神经网络的声学模型；3）基于卷积神经网络和递归神经网络的声学模型；4）常用的语音识别开源软件。

本次课程在前馈式网络知识的基础上，以语言模型为例，具体介绍了循环神经网络的研究历史，网络结构，学习算法和典型应用。

本讲座介绍卷积神经网络。内容包括一些代表性的网络结构和以下几个方面.（1）构成卷积神经网络的基本层：卷积层，激活层，pooling 层，以及全链接层等；（2）基本的优化目标及方法；（3）最近结构设计方面的工作：batch normalization，identity（ResNet）、幂等和正交变换，以及interleaved group convolution等等。

本次课程首先简要回顾了人工智能以及神经网络的发展历史，然后从感知器开始，重点介绍了最基本的深度神经网络——深度前馈神经网络，以及如何训练神经网络模型。

本课程介绍了 Cognitive Service 以及 Bot Framework 等好用的服务，在企业实际应用场景中，有哪些已经导入的案例？Bot 可以提供怎样的服务，在设计 Bot 时，哪些是需要考虑的因素，在实际使用 LUIS 以及 Bot Framework 中，有遇到那些需要注意的地方，在这这门课中会为大家一一道来。

…

微软计算机视觉服务是目前在人工智能领域中运用较为广泛的技术之一，本节课程我们将会从实际出发为您介绍一些实际案例，带您充分了解微软的技术是如何融入客户的实际场景如何帮助客户实现业务的智能化。希望您可以通过这节课程更加了解微软人工智能技术和和计算机视觉服务，帮助您发现微软人工智技术对您企业产品的潜在价值。

微软的产品中有很多都使用了智能语音服务例如，Xbox Skype Cortana 当然微软也同时把语音服务开放给了开发者，让开发者通过微软语音 API 将自己的应用赋予自然语言交互的体验，随着产品的进化升级和用户以及反馈，微软在原有语音 API 基础上又推出了自定义的语音服务，可以帮助开发者在各种复杂的环境下更精准的识别和处理语音信息。

本课程首先简要介绍了微软语义理解与智能服务 LUIS 的功能，并对基本使用方法进行了在线演示；然后通过具体的应用详细解释了 LUIS 背后的机器学习算法以及各功能块和算法的对应关系，从而给 LUIS 使用者提出了实用的建议。

TensorFlow 是Google大脑的第二代深度学习网络，是一种用来实现深度学习算法的数据流图开发框架。从2015年开源以来，一直是开发者比较关注的技术。Azure提供了功能丰富的虚拟机服务，其中包括集成GPU的N系列虚拟机。这节课邀请了微软合作伙伴——才云，一起介绍基于Azure GPU虚拟机如何开发高性能分布式的TensorFlow深度学习算法。

深度学习在近年来的迅速发展，推进了微软平台上众多产品的发展。为了让开发者更容易的使用各种深度学习的工具，微软也对开发平台和工具做了相应的更新。在本次课程里，会给大家概括性的介绍一些在微软平台上与深度学习相关的一些最新突破以及对于开发者的支持。

一直作为技术更新的生力军的微软亚洲研究院，在人工智能的时代也引领着技术的发展。作为微软亚洲研究院掌门人的洪小文博士将在《微软人工智能公开课》的第一讲中分享微软在人工智能领域的最新成果。作为人工智能系列公开课的开篇，洪小文博士将为大家介绍微软研究院最新AI成果，微软在Azure 公有云中围绕人工智能和数据分析、深度学习提供的接口和服务，探讨这些服务如何助力开发人员抢占人工智能的先机。

为了帮助开发者更容易的使用Caffe， 微软Azure上的DSVM也推出了针对性的更新，省却了开发者对Caffe环境配置的细节。在这堂课里，通过一个端到端的动手实验，会详细介绍如何基于DSVM进行Caffe的开发。

微软Azure提供了多种多样的数据分析相关服务，主要包括机器学习和大数据分析。这些服务可以协作构建丰富的大数据分析场景，如物联网数据流实时分析、电商商品推荐，甚至是医疗图像诊断、文本处理。这节课我们将从整体上介绍Azure的数据分析服务，重点强调了Azure数据湖泊（包括存储和分析），HDInsight，Spark，微软R服务，以及在线机器学习服务Machine Learning Studio。

…

微软认知服务包涵的智能API让你仅用几行代码就可以借助强大的算法开发应用程序。它们跨设备，跨平台，不论是 iOS、Android 或者 Windows ，你都可以轻松完成配置。百闻不如一见，来看看认知服务可以怎么玩，真实的应用场景与案例与你分享！

随着互联网+，工业4.0 等，新的技术方向和趋势的快速兴起，人工智能，自然人机交互的模式，已成为数字化转型技术重要的部分。在微软 2016 BUILD 大会上，第一次提出了Conversation as a Platform 的概念。包括微软的认知服务，Bot Framework 使得人工智能的技术更为智能和易用。这里我们会介绍如何通过 Bot Framework…

随着互联网+，工业4.0 等，新的技术方向和趋势的快速兴起，人工智能，自然人机交互的模式，已成为数字化转型技术重要的部分。在微软 2016 BUILD 大会上，第一次提出了Conversation as a Platform 的概念。包括微软的认知服务，Bot Framework 使得人工智能的技术更为智能和易用。这里我们会介绍如何通过 Bot Framework…

…

利用微软的认知服务中的计算机视觉相关服务，无需懂得任何计算机视觉研究相关的理论和技术，只需调用一个API，便能够从图像或者视频中获取到相关的智能信息。 通过本课程，你将能够了解到： 分析图像API是什么样的API 如何在Azure上申请相应的Key 如何利用Console进行测试 在哪里下载对应的样例代码

微软R服务相比开源R，是一种支持并行计算、内存与磁盘计算、可分布式部署的商业R服务。Azure上同样提供了丰富的微软R服务，包括R虚拟机、R on HDInsight、R on SQL Server等。这节课将介绍微软R服务的基本概念，以及如何在HDInsight和SQL Server上使用R进行机器学习算法的分布式计算和快速部署。

微软Azure云平台提供的Machine Learning Studio，基于公有云强大的扩展能力。用户可以拖拽模块化的算法快速构建机器学习算法，并通过自定义R和Python模块展开更丰富的分析手段。除此以外，Azure Machine Learning Studio还支持Web API服务自动部署和弹性扩展，为用户提供端到端的体验。本节课将详细介绍微软 Azure 机器学习服务的使用和案例。

微软认知服务包涵的智能API让你仅用几行代码就可以借助强大的算法开发应用程序。它们跨设备，跨平台，不论是 iOS、Android 或者 Windows ，你都可以轻松完成配置。百闻不如一见，来看看认知服务可以怎么玩，真实的应用场景与案例与你分享！