世界博彩公司排名-博彩公司评级
定于2020年7月下旬举办“全国优秀大学生夏令营”。本次夏令营将为2021届大学生提供暑期学习交流平台，进一步激发学生科研兴趣，挖掘学生学习潜能，了解人工智能最新发展动向，树立个人未来发展方向与目标。同时，将遴选优秀营员参加世界博彩公司排名
2021年度推免研究生的预面试。
为此，欢迎有志加入世界博彩公司排名
的2021届大学生踊跃报名参加。
一、活动安排
1.日期：2020年7月下旬
2.方式：线上为主、线下为辅
3.内容：世界博彩公司排名
介绍、人工智能前沿报告、推免生预面试等（详见世界博彩公司排名
官方网站）
二、报名条件
有志进入世界博彩公司排名
攻读硕士、博士学位的2021届大学生，其学习成绩排名前20%，且其本科学校或专业须满足下列条件之一：
1.所在学校为国家一流大学建设高校；
2.所在专业属在第四轮学科评估中排名A-及以上的学科。
三、申请流程
1.网上申报时间：2020年7月1日-7月10日（过期系统关闭，学院将不再受理）。
2.登录夏令营报名系统（//gmis.bcgspm.com/zsbm/xlygl），阅读学院夏令营通知，注册获取报名号，用报名号重新登录后，填写报名信息。
特别注意：此次夏令营按照一级学科报名，为避免同一个一级学科内各学院之间重复报名，请务必在报名系统内选择“控制科学与工程”，并在备注中注明“世界博彩公司排名
”。
3.资料上传：在网申系统上传以下申请材料的彩色扫描件：
（1）《世界博彩公司排名-博彩公司评级
2020年全国优秀大学生夏令营申请表》（请确认填写内容完整，签字完整）；
（2）身份证及学生证（正反面扫描）；
（3）本科阶段成绩单（加盖学校或者院系教务部门公章）；
（4）英语水平证明；
（5）其他材料，包括：获奖证书，发表或者能体现自身学术水平的学术论文、出版物等；
（6）上传材料清单（以PDF格式文件）。
特别说明：无需邮寄纸质材料。
4.学院审核：7月15日前公布初选名单。
5.学生确认：7月16日前学生在网上点击确认是否参加，逾期不确认者视为放弃。
6.名单公示：正式名单将在世界博彩公司排名
主页公布（届时未接到入营通知的皆为未入选者，不另行通知）。
四、联系方式
联系人：张老师
联系电话：029-82668672
学院主页：//iair.bcgspm.com/
微信咨询群二维码:
3群：
世界博彩公司排名
简介
世界博彩公司排名-博彩公司评级
于2018年以人工智能与机器人研究所（简称人机所）为主体成立。人机所成立于1986年，是国内最早从事人工智能研究的专职科研机构，是“模式识别与智能系统”国家重点学科和“视觉信息处理与应用国家工程实验室”的支撑单位。在郑南宁院士的带领下，2000年获国家自然科学基金委员会“创新研究群体科学基金”首批资助，2014年获得IEEE智能交通系统杰出团队奖，2019年获中国自动化学会首届CAA自动化与人工智能创新团队奖，2019年获西安交通大学研究生优秀导师团队，2020年获陕西省“三秦学者”创新团队支持计划（战略性顶尖团队）。
世界博彩公司排名
拥有一支由中国工程院院士、国家级人才、国家优秀青年科学基金获得者、教育部新世纪优秀人才等30余人组成的能力突出、结构合理的高水平教学科研团队，以及50余名专职科研人员。
在科学研究方面，重视面向国家重大需求的研究和应用，聚焦人工智能重大科学前沿问题和应用基础理论瓶颈，加强多学科的深度交叉融合，重点围绕计算机视觉、模式识别、人机协同的混合增强智能、以及人工智能技术的核心芯片与新型计算架构等研究方向开展了系统性的科研工作，取得一系列在国内外具有重要影响力的研究成果。在IEEE T-PAMI、IJCV、IEEE T-IP、IEEE T-IE、IEEE T-ITS等知名学术期刊，以及NIPS、CVPR、ICCV、ISCA、AAAI、IV等国际著名学术会议上发表了大量论文。先后获得国家自然科学奖二等奖、国家科学技术进步二等奖(2项)、国家技术发明二等奖、国家科学技术进步三等奖等多项国家和省部级科研奖励。在国家自然科学基金委员会主办的2017、2018和2019年中国智能车未来挑战赛中连续获总分第一名。
在30余年的发展过程中，逐步形成独特的育人文化和制度，培养出一批学术界和产业界的领军人才，成为了高水平创新人才培养的重要基地。人机所培养的杰出校友包括人工智能学习领域国际顶级青年科学家、曾被美国权威技术期刊MIT Technology Review评选为“全球35岁以下杰出青年创新者”、前微软亚洲研究院首席研究员、现任旷视科技首席科学家的孙剑博士，计算机视觉和图像处理领域著名学者、微软研究院华刚研究员，信号处理集成电路和存储系统领域著名学者、美国伦斯勒理工学院张彤教授，华为技术有限公司产品与解决方案总裁汪涛，深圳西龙同辉技术股份有限公司总裁王龙等。特别是，孙剑博士提出的“深度残差网络ResNets”成功地解决了深度神经网络训练难的世界级难题，成为国际图像识别领域的重大突破和深度学习技术发展的重要里程碑。
