实践空间站 ｜ 直播课解锁 NNI，拒绝科研“力不从心”！
看着身边的大佬实践项目接连不断
竞赛奖项拿到手软
“打工人”被迫“内卷” 想丰富简历但又无从下手？
没有合适的项目？
找不到导师？
参考资料少之又少？
当代大学生现状：
空有一颗“卷”的心，但不知从何做起
间歇性踌躇满志，又被现实的一道道坎绊倒......
现在，有一个机会！
让“力不从心”不再成为你摸鱼的借口！
有前景的实践项目
+
微软亚洲研究院一线研究员做导师
+
GitHub 由入门到进阶的任务
微软学生俱乐部实践空间站为你“一条龙服务”
你所要做的只有立刻报名参加！
获得“优秀学生项目奖项”
还有机会进入 MSRA 实习！
冲鸭！打工人！
项目简介
此次实践空间站推出的，是基于自动机器学习工具 NNI 的创新性科研扩展项目，以开源自动机器学习工具 NNI 为基础，立足 NNI 的丰富工具用例与可扩展性，希望能够帮助同学们加强对机器学习的了解与认识，服务于同学们的科研项目与实践，在帮助同学们取得优秀科研成果的同时，进一步提高 NNI 的实用性和丰富性。
什么是NNI？
NNI (Neural Network Intelligence) 是一个轻量但强大的自动机器学习工具包，在 GitHub 上已经获得了 8.4K 个 stars。易于使用，可拓展，灵活，高效，都是 NNI 所具备的优质特性。
NNI 内置丰富的机器学习算法，支持所有主流机器学习框架，支持多种训练平台。机器学习生命周期的各个环节，包括特征工程、神经网络架构搜索（NAS）、超参调优和模型压缩在内的步骤，你都能使用 NNI 内置的算法来完成。
NNI 提供了并行运行多个实例以查找最佳参数组合的能力。此功能可用于各种领域，例如，为深度学习模型查找最佳超参数，或查找具有真实数据的数据库和其他复杂系统的最佳配置等。
作为一个开源项目，可在 Github 社区中获取关于 NNI 更多信息：
https://github.com/microsoft/nni
NNI 的应用场景
想要在自己的代码、模型中试验不同的自动机器学习算法
想要在不同的环境中加速运行自动机器学习
想要更容易实现或试验新的自动机器学习算法，新的自动机器学习算法包括：超参调优算法，神经网络搜索算法以及模型压缩算法
在机器学习平台中支持自动机器学习
技能要求
1. 学习 Git/Github 基本操作
2. 使用 Markdown 编写文档
3. Python 与机器学习/深度学习基础
任务详情
我们为同学们设置了四个不同难度的任务来帮助大家探索自己的进阶之路：
入门任务——Task 1
任务内容：
安装 NNI ，尝试内置样例（e.g., mnist-pytorch）
使用 NNI ，自行跑通程序
提交 NNI 集成的实验结果
任务难度：★★☆☆☆
进阶任务——Task 2 & 3
任务内容：
以 CIFAR 10 为样例，通过图像分类，训练小型神经网络
在 Task 2.1 的基础上，通过使用 NNI ，以 CIFAR 10 为基础，对 VGG 16 等不同模型进行更高阶的训练
跑通 NNI Feature Engineering Sample
围绕特征工程（Feature Engineering）和自动特征工程（Automated Feature Engineering），估计特征筛选和特征重要性，设计特征搜索空间。
任务难度：★★★★★
自主任务——Task 4
任务内容：
将 NNI 学生项目与学校或实验室项目进行互补结合，进行 NNI 的实践性操作与拓展性应用。
任务难度：★★★★☆
想要了解更多项目详情，请通过下方链接查看～
开源地址：
https://github.com/microsoft/ai-edu/blob/master/G-实践项目/NNI-Student-Program-2020
想要进一步了解项目？
那么千万不过错过本周五的 NNI 直播讲解！不仅会有 MSRA 系统组的小哥哥小姐姐带你走近 NNI，还会细致的讲解此次项目的具体任务。除此之外，我们还邀请了之前参加过 NNI 项目的宋佳同学来为大家进行经验分享，直播的最后还会为大家答疑解惑！
直播时间：
11 月 27 日（星期五）下午 3:30-4:30
直播地址：
https://live.bilibili.com/730
距离课程线上讲解仅剩 2 天
即刻扫码直达课程直播间
▼
导师简介
Scarlett Li
MSRA 项目经理
目前领导着一个技术项目经理和用户体验团队，通过外部合作项目、开源项目和孵化项目推进 MSRA 的人工智能研究与合作。
张权路
MSRA 系统组高级研究员
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是其另外一个重要的研究方向，相关的开源系统为 NNI，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。曾在 OSDI 、ATC、SoCC、FAST 等顶级系统会议上发表论文。
秦婷婷
MSRA 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。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。曾参与微软新一代人工智能平台及工具的研发与推广工作，以及Visual Studio Tools for AI, 开源模型转换工具 MMDnn 的研发工作，也曾参与 Bing 搜索引擎中索引服务的优化工作。
薛卉
MSRA 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，涉足包括自动机器学习（AutoML），以及用机器学习和强化学习优化系统等领域。
关于实践空间站
实践空间站是微软学生俱乐部打造的全学年持续性活动，通过项目导师指导与自主创新结合的方式，帮助参与实践项目的同学更好地理解和掌握微软技术，挖掘现有课题与微软技术结合的潜力，获得自身的技术成长。
本批实践空间站为大家准备了来自微软一线科研与工程团队的实践项目。通过课程实践、代码贡献、原型开发和论文撰写，不仅会收获知识，还将有机会：
在一线研究员和工程师的指导下实践实战
参与到人工智能科研项目中
获得研究员、项目经理双导师支持
在微软人工智能教育与学习共建社区表现优秀的俱乐部和个人，还有微软开源社区贡献奖等你来拿！
自 2017 年实践空间站发布第一批任务，全国范围内已有超过 1000 支队伍报名参与。如果你也想释放创造力，在全球最棒的研究员和工程师带领下做出酷炫的成果，得到参加“微软学生夏令营”的机会，直通微软亚洲研究院实习，别再等待，快来实践空间站吧~
11 月 27 日
实践空间站 NNI 项目直播
我们不见不散～
你可能还想看：
点击“阅读原文”，直达课程直播通道~