講座內容：從海量“大”規(guī)模的“無監(jiān)督”“臟”數(shù)據(jù)中，嘗試構造有效的機器學習方法來自動對其有效信息進行挖掘，已成為領域的熱點，也是時代的亟需，針對這一問題，自步學習(Self-pacedLearning)，或可稱為課程學習(CurriculumLearning)，可能提供了一套行之有效，具有理論內涵的新穎解決思路。

自步學習的要義是：我們可以模擬人的認知機理，先學習簡單的、普適的知識（課程），然后逐漸增加難度，過渡到學習更復雜、更專門的知識，以此完成對復雜對象的認知。人們受教育的“課程”正是按照這樣的規(guī)律來幫助獲取知識與能力的。模擬這一過程，我們可以將學習對象(數(shù)據(jù)、特征、概念等)按其對學習目標的難易程度，從易到難開展學習，以這種方式讓機器完成復雜的學習與推理任務。Bengio教授預測該種學習方式將幫助機器學習吸取人類學習的優(yōu)點，提升包括深度學習等機器學習策略的學習效果，協(xié)助其跳出局部極優(yōu)，獲得更好推廣性。

由卡內基梅隆大學，西安交通大學，中國科學院計算所等機構研究人員系統(tǒng)研究了自步學習的內在機理，提出了自步學習的公理化構造條件，并說明：根據(jù)不同應用目標，可由該公理化準則延伸出各種實用的課程學習方案。

我們的報告將對該領域一些前沿進展進行綜合介紹。