全新升级！
线下 → 线上
单场 → 七场
一天 → 四天
将门-TechBeat社区 联合新老朋友
Facebook田渊栋博士、MIT韩松教授
微软亚洲研究院秦涛博士、胡瀚博士
北大施柏鑫教授、上交严骏驰教授
佐治亚理工学院宋乐教授
和他们的团队小伙伴们
于12月初为大家呈现一系列的
NeurIPS 2020
线上华人专场分享盛宴
解锁“云际会”新时代
继续下拉阅读！
早安，AI人！
第34届机器学习领域顶级学术会议 NeurIPS
将于 12月8-12日 在线上举行，疫情丝毫没有影响到世界各地AI人的学术热情，9454篇投稿、1900篇接收再创新高，20.09%的录取率也创下历史新低。
了解我“门”的老朋友一定知道，过去的三年将门已连续在NeurIPS期间奔赴 美国长滩 、 加拿大蒙特利尔和温哥华 ，举办机器学习界大咖新星云集的精英晚宴。
即使今年不能跟大家在线下面基，我们依然选择将学习探讨和交流碰撞搬到了线上：邀请到了 七家
来自国内外极负盛名的 高校/大厂研究团队 ，他们将以
“机构专场” 的形式，集中分享各自的工作。
为了方便大家规划时间，
特将所有的机构专场安排一次性大放送
👇
墙裂建议 收藏+保存 ，方便随时查看！
活动信息
▼
- 活动时间：
北京时间 12月5、6、12、13日
（双周末，贴心避开NeurIPS主会议和工作日）
-
活动地点： 腾讯会议 ，每场活动的地址将在报名通过审核后通过微信/邮件告知
-
活动议程：
-
团队leader介绍整体工作
-
团队成员分别讲解NeurIPS工作
-
Free Q&A （想问的问题一定要在报名时写清楚哦~）
-
活动费用： 全部免费！
-
报名方式： 长按下方 二维码 ，填写报名表单即可报名 （每场活动需单独报名，报名截止至 该场活动前一天20:00 ）
康康他们都来讲些啥？
机构阵容
▼
NO.1
12月5 日 9:00-11:00
MIT HAN LAB
致力于设计更快更高效的神经网络模型和硬件加速方案。
韩松
MIT助理教 授
蔡涵
MIT HAN Lab在读博士生
论文： Tiny Transfer Learning: Towards Memory-Efficient On-Device Learning
陈威銘
台湾大学博士，MIT HAN Lab准博后
论文： MCUNet: Tiny Deep Learning on IoT Devices
林己
MIT HAN Lab在读博士生
论文： MCUNet: Tiny Deep Learning on IoT Devices
赵晟宇
清华大学&MIT HAN Lab访问学生
论文： Differentiable Augmentation for Data-Efficient GAN Training
NO.2
12月5日 20:00-22:00
北京大学计算机系
数字媒体所相机智能实验室
Camera Intelligence在北京大学计算机科学与技术学院数字媒体研究所 (IDM) 进行计算摄影与计算机视觉的研究，研究并制造了带有人工智能算法的摄像头，具有超人脑的视觉感知和计算能力。
施柏鑫
北京大学计算机系 研 究员、博士生导师
周矗
北京大学智能科学系二年级博士生
论文： UnModNet: Learning to Unwrap a Modulo Image for High Dynamic Range Imaging
姚卓坤
天津大学智能与计算学部二年级硕士生
论文： GPS-Net: Graph-based Photometric Stereo Network
刘旭
京东AI算法研究员
论文： Group Contextual Encoding for 3D Point Clouds
NO.3
12月6日 9:00-11:00
微软亚洲研究院
深度和强化学习组
从算法和实践两个方面推动了深度学习和强化学习的研究，研究领域包括：深度表示学习、深度结构学习、深度强化学习、自动机器学习、迁移学习、生成模式和因果学习等。
秦涛
微软亚洲研究院首席研究员、深度和强化学习 组负 责人
林子钏
清华大学计算机系在读博士生
论文：RD^2: Reward Decomposition with Representation Disentanglement
罗人千
微软亚洲研究院 研究实习生
论文：Semi-Supervised Neural Architecture Search
宋恺涛
南京理工大学计算机系在读博士生
论文：MPNet: Masked and Permuted Pre-training for Natural Language Understanding
NO.4
12月6日 20:00-22:00
微软亚洲研究院
视觉计算组
微软亚洲研究院的视觉计算小组由一个精英研究团队组成，他们的专业横跨计算机视觉的研究课题，从数学理论到实际应用，从物理系统到软件开发，从低级图像处理到高级图像理解。
胡瀚
微软亚洲研究院 研究员
曹越
微软亚洲研究院 研究员
论文：Parametric Instance Classification for Unsupervised Visual Feature Learning
魏芳芸
微软亚洲研究院 Research SDE
论文： RelationNet++: Bridging Visual Representations for Object Detection via Transformer Decoder
董潇逸
微软亚洲研究院实习生、中国科学技术大学在读博士生
论文： GreedyFool: Distortion-Aware Sparse Adversarial Attack
陈亦弘
微软亚洲研究院实习生、北京大学硕士研究生
论文： RepPoints V2: Verification Meets Regression for Object Detection
NO.5
12月12日 9:00-11:00
Facebook AI Research
田渊栋团队
Facebook基础研究团队，主要研究方向为强化学习（多智能体，搜索及游戏）和神经网络分析。
田渊栋
Facebook人工智能研究院研究员/研究经理
论文： Joint Policy Search for Multi-agent Collaboration with Incomplete Information
王林楠
布朗大学在读博士生
论文：Learning Search Space Partition for Black-box Optimization using Monte Carlo Tree Search
NO.6
12月13日 9:00-11:00
佐治亚理工学院
机器学习团队
主要研究方向为机器学习，尤其是非线性模型，包括核方法、深度学习和概率图形模型。
宋乐
佐治亚理工学院 助理教授
陈昺弘
佐治亚理工学院 在读博士生
论文： Retro: Learning Retrosynthetic Planning with Neural Guided A* Search*
陈心诗
佐治亚理工学院 在读博士生
论文：Understanding Deep Architectures With Reasoning Layer
戴涵俊
Google Brain 研究科学家
论文：A Framework for Differentiable Discovery of Graph Algorithms
张庆儒
佐治亚理工学院 在读博士生
论文：Bandit Samplers for Training Graph Neural Networks
张驭宇
佐治亚理工学院 在读博士生
论文：Question Directed Graph Attention Network for Numerical Reasoning over Tex
NO.7
12月13日 20:00-22:00
上海交通大学
思维工场实验室
为解决现实问题，严峻驰博士于2018年4月建立SJTU-ThinkLab (上海交通大学思维工场实验室)，通过开发尖端技术，将数据驱动的方法与领域知识交织在一起更好地探索和应用。近年来的研究主要集中在关系建模、序列建模和学习上，也是数据科学和机器学习的主要方面。
严骏驰
上海交通大学计算机科学与工程系 博士生导师
汪润中
上海交通大学 在读博士生
论文：Graduated Assignment for Joint Multi-Graph Matching and Clustering with Application to Unsupervised Graph Matching Network Learning
注意事项
▼
每人可报名多场活动 ，请根据自身兴趣合理安排观看时间；
-
每场活动有 单独的报名页面 ，如果希望报名多场活动，请填写相应的活动报名表单；
-
请保证所填信息的真实性和准确性，方便主办方进行审核；
-
报名通过审核后将收到主办方的微信/邮件/通知，请保持手机和邮箱畅通；
-
由于活动场次较多，主办方审核需要一定时间，请耐心等待~
如果你还不了解这些团队，不用着急！接下来的一周时间中，我们将 陆续推出每个机构的专属活动预热文章 ，带你了解每位分享者和他们的工作，跟我“门”一起，迎接国际顶会线上活动“云际会”新时代吧！
关于TechBeat社区
▼
TechBeat
( www.techbeat.net )
是一个荟聚全球华人AI精英的成长社区。
我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。
期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！
更多详细介绍>>
扫二维码｜关注我们
微信：thejiangmen
点击“❀在看 ”，让更多朋友们看到吧~