近年来，人工智能领域的深度学习技术得到了飞速发展，这背后离不开计算机硬件和软件系统的不断进步。在可见的未来，人工智能技术的发展仍将依赖于计算机系统和人工智能相结合的共同创新模式。

与此同时，我们注意到，现在大部分人工智能相关的课程，特别是深度学习和机器学习相关的课程，主要集中在理论、算法或应用，与系统相关的课程并不多见。

在此背景下，今年3月到4月，来自微软亚洲研究院的研究员们依托自身的科研优势，对标国际一流课程，在西安交通大学面向人工智能学院学生开设了《人工智能系统》课程，致力于打造人工智能系统领域最好的课程。为期6周的课程得到了西安交通大学师生的一致好评。这也是微软人工智能教育与学习共建社区继《神经网络基本原理教程》（《智能之门》）之后，在计算机系统教育教学方面的又一成果。

现在，我们将课程从线下带到了线上。作为课程的设计指导，微软亚洲研究院系统组首席研究员杨懋认为，深度学习框架和系统这一基础领域的人才缺乏，大大制约着人工智能的发展。与从事这些基础领域前沿研究的研究员和工程师的直接对话，是培养相关人才的最佳途径。依托面向最前沿的技术体系、系统而全面的课程设计、理论与实践相相结合，加上线上独有的交互方式，相信这个学习小组能给希望深入了解人工智能系统的同学们打开一扇大门！

课程亮点

一、优质的学习内容

国内第一门专门的人工智能系统课程，结合微软亚洲研究院在系统方面的科研优势，从系统研究的角度出发设计实验课程，对标国际一流课程设计而成。

学习内容包括课程与实验两部分，你将学习到：

• 完整了解支持深度学习的计算机系统架构，并通过实际的问题，学习深度学习全生命周期下的系统设计。
• 详细了解微软亚洲研究院在人工智能和系统交叉领域的研究成果和经验，包括 AI for Systems and Systems for AI，以帮助你更好地寻找和定义有意义的研究问题。
• 通过动手实现应用主流及最新的框架、平台和工具，带领学生一步步优化系统模块，以提高解决实际问题的能力，而不仅仅是了解工具使用。

二、独特的学习模式

本次课程以学习小组的方式来进行授课与学习，参与者将在在充分交流中提高学习效果。

具体包括以下几个学习模块：

• 课前分享：每次课程将安排课前分享，分享内容包括对于之前学习课程的回顾、课外实验心得、与自己研究方向结合的思考等。
• 主题课程：微软亚洲研究院研究员对相关主题进行授课，每次课程的授课研究员都是深耕此研究方向的专家。
• 课后问答：授课研究员将提问引发思考，也鼓励学员主动提问和讨论。
• 随堂反馈：鼓励学员反馈学习感受与建议。
• 课外学习和实验：学员课后可在 GitHub 上进行教程和实验的学习，以及在社区进行分享和讨论。

三、一流的学习氛围

除了授课研究员，微软亚洲研究院对人工智能系统感兴趣的其他研究员和访问学生也会加入学习小组。与他们一起学习讨论交流，享受思维的碰撞，以及线上学习的便捷和高效！

授课题目与授课人

本课程每周安排1小时的线上学习，授课题目与相应研究员如下：

张权路

微软亚洲研究院

系统组主管研究员

张权路博士的主要研究方向为机器学习系统，其中包括 GPU 集群的深度学习任务管理和调度机制，自动机器学习系统的设计与研发。主导自动机器学习开源工具 NNI 的研究与开发，其中包括自动神经网络结构搜索、自动神经网络模型的剪枝和量化、以及更高效的分布式超参数搜索等相关研究与系统设计。其曾在 OSDI、ATC、SoCC、FAST 等顶级系统会议上发表论文。

薛继龙

微软亚洲研究院

系统组主管研究员

主要研究方向为构建和优化基于新型硬件的高性能计算系统，目前专注于人工智能计算和编译框架方向的研究，相关成果已发表在 OSDI、NSDI、EuroSys 等国际会议上。在加入微软亚洲研究院之前，主要从事大规模图计算系统和流式系统的研究，并在2016年于北京大学获得计算机博士学位。

李元春

微软亚洲研究院

主管研究员

他的研究兴趣包括移动计算、软件工程、人工智能等。目前他的工作集中关注边缘端深度学习模型的可靠性和隐私问题。

苗又山

微软亚洲研究院

系统组主管研究员

2009年毕业于中国科学技术大学少年班学院计算机方向，2015年获得中国科学技术大学计算机博士学位。后加入微软亚洲研究院系统组任研究员。研究方向涉及分布式图计算系统、搜索推荐系统、机器学习系统。

高彦杰

微软亚洲研究院

研发工程师

主要研究方向为 Tools for DNN 和高效率深度学习平台，包括深度学习模型的性能与正确性分析等。也曾参与开源系统与工具 OpenPAI 等研发。曾在 ICSE、ESEC/FSE、SoCC 等顶会发表论文和出版人工智能与大数据系统书籍。

薛卉

微软亚洲研究院

系统组研究员

2016年毕业于北京大学，并加入微软亚洲研究院。目前在微软亚洲研究院系统组任职，研究兴趣包括：自然语言处理、自动机器学习、强化学习等。

梁杰然

微软亚洲研究院

高级研究员

核心研究领域为使用数据驱动智能来解决系统及云服务在效率和用户体验等方面的挑战。他的研究成果发表在顶尖国际会议和期刊（如 ATC、MobiCom、KDD、SenSys、ASE、TMC 等） ，也持有多项国际专利。研究成果并成功地被整合到多个真实系统里，包括在微软数据中心以万个感测器来提供预测性维护，利用机器学习来助力微软移动 App 的测试，及利用机器学习来优化微软云系统效率。于2011年在美国 Johns Hopkins University 获得博士学位。

课程设计与组织者的话

秦婷婷

微软亚洲研究院

系统组研究员

研究领域包括分布式系统、搜索引擎技术和深度学习。现从事微软 AI Education 社区的构建和开发，包括 AI 社区的设计与架构，AI 原理教程和教学案例开发与完善，AI 系统课程的开发与推进等。

这是国内首个系统化的、理论和实践相结合的 System for AI 课程，涵盖支持人工智能的系统设计核心内容，由微软亚洲研究院系统领域研究员们历时三年合力打造，内容丰富，干货满满，是了解并实践 System for AI 不容错过的好课程。

陈昊

微软亚洲研究院

学术合作经理

2018年加入微软亚洲研究院，目前主要负责学生俱乐部、微软人工智能教育与学习共建社区相关工作，同时负责西安交通大学，浙江大学，南京大学，东南大学等多所国内一流高校在科研合作、学术交流、人才培养等方面的学术合作。

作为微软人工智能教育与学习共建社区的最新成果，《人工智能系统》学习小组是我们对于人工智能系统领域知识学习模式的又一次探索，和以往面对面的线下授课或者是线上 MOOC 都不同，我们希望为进入学习小组的同学搭建一个学习、探索、实践和交流的平台，大家在线上可以不仅可以聆听分享，更可以分享自己的想法，希望在十几周的学习小组之后，大家的对于人工智能系统领域的不仅学到了知识，更启发了思维。

我们期待的你

• 计算机系统相关方向研究的研究生及博士生，或能力较强的本科生；对计算机系统有兴趣、有热情的女生将获得优先录取机会
• 熟悉 C/C++/Python，计算机体系结构，算法导论
• 有一定的人工智能及系统领域相关基础
• 有能力在十周内连续参与学习分享

课程福利

• 出勤率高于60%的同学将获得学习结业证书及纪念品
• 在学习小组分享交流中表现优秀的学生，将获得微软亚洲研究院直通实习机会！

时间安排

• 4月20日，报名截止
• 4月23日，完成学员选拔，发放 Teams 账号及课程表
• 5月6日-7月22日，每周四下午1小时线上学习交流时间

报名方式

还在等什么？快来加入人工智能系统课程学习小组，和微软亚洲研究院的研究员们一起，探索系统领域的奥秘吧！