（作者丁可）9月4日下午，德州大学休斯顿健康科学中心Kirk Roberts博士应信息学院夏静波副教授之邀，来我院进行学术交流，在逸夫楼C204机房为同学们带来了一堂持续两个半小时的课程《医学语言的深度表征 / Deep learning representations for medical language》。

课堂上，Kirk介绍了近几年学术界十分热门的深度学习算法。从深度学习的历史讲到深度学习包括不同模型，并将深度学习算法与同类型的经典算法Support Vector Machine (SVM) 算法进行对比，表示很多情况下该算法要优于SVM算法。尽管深度学习算法用于分类和预测问题的效果十分好，但算法对训练样本规模有要求，在模型建立方面，隐藏层数量和每一层神经元数量没有确切的标准。然后，Kirk介绍了自然语言处理领域常见的语言编码方式，如Word2Vec、 GloVe、fastText和ELMo等，以及语言编码和深度学习模型在电子病历中的应用。同时，Kirk以病人信息处理为事例，介绍了医学语言处理的流程，清晰说明了如何处理医学内容的文本，并提取相关信息，整合病人的特征做出一定预测。他同时比较了当前主流词嵌入的差异，以CNN编程实例介绍了Tensorflow框架的搭建，最后介绍了UTHealth相关团队在医疗文本挖掘的多任务学习上的最新进展。

课程结束后的讨论环节，许多同学拿出自己研究学习中的困惑与Kirk交流，Kirk十分认真地倾听大家的疑惑，并结合自己的学术经历为大家做了细致解答。