智能光学计算成像是一个将人工智能（AI）与光学成像技术相结合的前沿领域，它通过深度学习、光学神经网络、超表面光学（metaphotonics）、全息技术和量子光学等技术，推动光学成像技术的发展。以下是智能光学计算成像的一些关键进展和应用：
1. 光纤成像：深度学习在光纤成像中的应用进展显著，包括通过条件生成对抗网络实现高速多模光纤成像系统
2. 光谱成像：当前的光谱成像技术包括多通道滤光片、基于深度学习和波长响应曲线求逆问题的优化实现，以及衍射光栅、多路复用、超表面等技术，用于获取高光谱信息
3. 全息成像：利用深度神经网络来优化全息图的重建过程，提高成像质量，并实现复杂光学场景的快速三维重建
4. 超分辨率成像：通过深度学习技术提高光学成像系统的空间分辨率，改善图像质量
5. 计算成像优化：利用深度学习模型对光学成像过程进行优化和控制，实现更高效的成像方法
6. 简单光学成像技术：基于计算成像，发展简单和紧凑的光学成像技术，也称为简单光学。这种技术利用光学系统和图像处理算法的联合设计，实现与复杂光学系统相媲美的高质量成像
7. 端到端光学算法联合设计：计算光学成像包括了可微的衍射光学模型、折射光学模型以及基于可微光线追踪的复杂透镜模型，这些模型使得光学系统设计与图像处理算法可以联合优化
为促进科研人员、工程师及产业界人士对人工智能在光学成像领域应用技术的掌握，特举办“智能光学计算成像技术与应用”专题培训会议，本次培训会议主办方为北京软研国际信息技术研究院，承办方互动派（北京）教育科技有限公司，具体相关事宜通知如下：
为了满足工业界和学术界对于超表面设计和应用的专业人才需求，特举办“超表面逆向设计与应用”、“COMSOL光电专题”、“机器学习赋能的智能光子学器件系统研究与应用”、“智能光学计算成像技术与应用”专题线上培训班，本次培训主办方为北京软研国际信息技术研究院，承办方互动派（北京）教育科技有限公司，会议会务合作单位为北京中科万维智能科技有限公司，具体相关事宜通知如下：
专题一 (直播2天) | （详情内容点击上方名称查看） 2024年12月21日-12月22日 2024年12月28日-12月29日 | |
专题二 (直播4天) | （详情内容点击上方名称查看） 2025年01月04日-01月05日 2025年01月11日-01月12日 | |
专题三 (直播4天) | （详情内容点击上方名称查看） 2024年12月21日-12月22日 2025年01月04日-01月05日 | |
专题四 （直播4天） | （详情内容点击上方名称查看） 2025年01月18日-01月21日 | |
培训对象
电磁学、光学、材料科学、电子工程、光子学与光电子学、无线电电子学、物理学、电信技术、自动化技术、仪器仪表工业、电气工程、电力工业、计算机软件及计算机应用、工业通用技术及设备、生物医学工程、金属学等领域的研究人员、工程师、研究生、及相关行业从业者，以及对超表面技术感兴趣的专业人士和跨领域研究人员。
超表面讲师：
讲师一：国内某985高校博士研究生，研究方向集中于超构表面多维调控，逆向设计，超构透镜设计与深度学习优化，以第一作者及主要作者身份在 Nano Letters, Laser & Photonics Reviews 等 SCI 期刊发表多篇论文，谷歌学术引用 130余次。
讲师二：博士毕业于海外高校，获得省高层次人才，主持数项国家自然科学基金。目前申请人共发表sci论文47篇，其中一作/通讯作40篇，包括《IEEE Transactions on Microwave Theory and Techniques》、《Carbon》、《Journal of Lightwave Technology》，《Science China Physics, Mechanics & Astronomy》、《Nanophotonics》、《IEEE Journal of Selected Topics in Quantum Electronics》、《Optics & Laser Technology》等多篇高水平论文。长期担任多个著名光子学期刊审稿人。
擅长领域：太赫兹超表面、超表面耦合、量子光学以及量子光学与光子学的交叉学科研究等。
COMSOL光电讲师：
来自国家“双一流”建设高校 、“211工程”“985工程”重点高校老师。授课讲师有着丰富的COMSOL使用经验，以第一/通讯作者在《Nature Communications》、《 Physical Review Letters》、《Advanced Materials》等国际Top期刊发表论文数十篇。
擅长领域：微纳光子学、拓扑光子学、非厄米光子学、光芯片、电磁超材料器件等。
机器学习与光子学讲师：
来自国家“双一流”建设高校 、 “985 工程”“211 工程”重点高校。在《ACS Photonics》、《Journal of Lightwave Technology》等国际知名期刊发表论文数十篇,长期担任Laser & Photonics Review, Photonics Research, Journal of Lightwave Technology, IEEE JSTQE, Optics Express, Optics Letter等光子学期刊审稿人。
擅长领域：微纳光子学、光电子集成芯片、拓扑光子学、计算光子学、以及深度学习与光子学的交叉学科研究等。
智能光学计算成像技术与应用
来自国家“985 工程”“211 工程”重点高校。在《ACS Photonics》、《Journal of Lightwave Technology》等国际知名期刊发表论文数十篇, 擅长领域计算光子学及深度学习与光子学的交叉学科研究等。担任Laser & Photonics Review, Photonics Research, Journal of Lightwave Technology, IEEE JSTQE, Optics Express, Optics Letter等光子学期刊审稿人。
超表面逆向设计与应用
时间 | 课程内容 |
第一部分 | 1.超表面概述 1.1.超表面基础和应用 1.2.超表面逆向设计概述 2.基于CST电磁仿真软件基础 2.1.CST Microwave Studio电磁仿真软件介绍 2.2.CST电磁仿真软件使用和基本操作 3.具体案例操作1：双频段带通滤波器的建模与仿真分析 3.1.运行新建工程 3.2.建立仿真模型 3.3.设置运行条件 3.4.查看并处理仿真结果 4.具体案例操作2：太赫兹吸波器的建模与仿真分析 4.1.运行新建工程 4.2.建立仿真模型 4.3.设置运行条件 4.4.查看并处理仿真结果 |
第二部分 | 5.超表面的耦合模理论 5.1 耦合模理论简介 5.2 超表面耦合模理论基本物理参数 5.3 超表面耦合模方程和透射谱等参数计算 6.基于超表面实现电磁感应透明（EIT） 6.1 超表面电磁感应透明理论分析 6.2 太赫兹超表面电磁感应透明仿真模拟和分析 案例分析1：基于超表面实现电磁感应透明（EIT）论文复现和讲解 7.基于超表面实现连续谱中束缚态（BIC） 7.1 连续谱中束缚态理论分析 7.2 连续谱中束缚态仿真模拟和分析 案例分析2：基于超表面实现连续谱中束缚态（BIC）论文复现和讲解 |
第三部分 | 8.基于耦合模理论的超表面逆向设计 8.1 基于耦合模理论逆向设计连续谱中束缚态吸波器 8.1.1 理论基础和分析 8.1.2 仿真模拟和分析 案列分析3：基于耦合模理论逆向设计连续谱中束缚态吸波器论文复现和分析 8.2 基于耦合模理论逆向设计连续谱中束缚态高Q器件 8.2.1 理论基础和分析 8.2.2 仿真模拟和分析 案例分析4：基于耦合模理论逆向设计连续谱中束缚态高Q器件论文复现和分析 9.太赫兹超表面透射谱实验理论讲解 9.1 太赫兹波发射源 9.2 太赫兹远场时域系统 |
第四部分 | 10.FDTD逆向设计基础入门 10.1 lumopt基本介绍 10.2 FDTD与Python环境配置 10.3 伴随法与拓扑优化介绍 10.4 梯度下降算法以及遗传算法介绍 |
第五部分 | 11.FDTD仿真实例 （一）利用Python调用Lumerical FDTD （二）在Python中编写FDTD仿真文件 （三）逆向设计仿真文件设置 （四）基于拓扑优化的超表面颜色路由器件详解 （五）利用等值线法导出逆向设计GDS文件 |
第六部分 | 12.模拟论文复现 （一）基于拓扑优化的超表面大角度聚合器设计 ----（根据发表在NANO LETTERS上的论文） （二）超表面消色差聚合器设计 ----(根据发表在NANO LETTERS上的论文) （三）超表面偏振转换器件设计 ----（根据发表在Chinese optics letters 上的论文） （四）基于形状优化的梯度超表面设计 ----（根据发表在Light&Science Application 上的论文） （五）基于遗传算法的超表面设计 ----（根据发表在Opto-Electronic Science 上的论文） |
COMSOL 多物理场仿真技术与应用-光电专题（四十一期）
（一）案列应用实操教学： | ||
案例一 | 光子晶体能带分析、能谱计算、光纤模态计算、微腔腔膜求解 | |
案例二 | 类比凝聚态领域魔角石墨烯的moiré 光子晶体建模以及物理分析 | |
案例三 | 传播表面等离激元和表面等离激元光栅等 | |
案例四 | 超材料和超表面仿真设计，周期性超表面透射反射分析 | |
案例五 | 光力、光扭矩、光镊力势场计算 | |
案例六 | 波导模型（表面等离激元、石墨烯等）本征模式分析、各种类型波导传输效率求解 | |
案例七 | 光-热耦合案例 | |
案例八 | 天线模型 | |
案例九 | 二维材料如石墨烯建模 | |
案例十 | 基于微纳结构的电场增强生物探测 | |
案例十一 | 散射体的散射，吸收和消光截面的计算 | |
案例十二 | 拓扑光子学：拓扑边缘态和高阶拓扑角态应用仿真 | |
案例十三 | 二硫化钼的拉曼散射 | |
案例十四 | 磁化的等离子体、各向异性的液晶、手性介质的仿真 | |
案例十五 | 光学系统的连续谱束缚态 | |
案例十六 | 片上微纳结构拓扑优化设计(特殊情况下，利用二维系统来有效优化三维问题) | |
案例十七 | 形状优化反设计：利用形状优化设计波导带通滤波器 | |
案例十八 | 非厄米光学系统的奇异点：包括PT对称波导结构和光子晶体板系统等 | |
案例十九 | 微纳结构的非线性增强效应，以及共振模式的多极展开分析 | |
案例二十 | 学员感兴趣的其他案例 | |
（二） 软件操作系统教学： | ||
COMSOL 软件入门 | 初识COMSOL仿真——以多个具体的案例建立COMSOL仿真框架，建立COMSOL仿真思路，熟悉软件的使用方法 | |
COMSOL软件基本操作 Ø 参数，变量，探针等设置方法、几何建模 Ø 基本函数设置方法，如插值函数、解析函数、分段函数等 Ø 特殊函数的设置方法，如积分、求极值、求平均值等 Ø 高效的网格划分 | ||
前处理和后处理的技巧讲解 Ø 特殊变量的定义，如散射截面，微腔模式体积等 Ø 如何利用软件的绘图功能绘制不同类型的数据图和动画 Ø 数据和动画导出 Ø 不同类型求解器的使用场景和方法 | ||
COMSOL 软件进阶 | COMSOL中RF、波动光学模块仿真基础 Ø COMSOL中求解电磁场的步骤 Ø RF、波动光学模块的应用领域 | |
RF、波动光学模块内置方程解析推导 Ø 亥姆霍兹方程在COMSOL中的求解形式 Ø RF方程弱形式解析，以及修改方法(模拟特殊本构关系的物质) Ø 深入探索从模拟中获得的结果 （如电磁场分布、功率损耗、传输和反射、阻抗和品质因子等） | ||
边界条件和域条件的使用方法 Ø 完美磁导体和完美电导体的作用和使用场景 Ø 阻抗边界条件、过度边界条件、散射边界条件、周期性边界条件的作用 Ø 求解域条件：完美匹配层的理论基础和使用场景、 PML网格划分标准 Ø 远场域和背景场域的使用 Ø 端口使用场景和方法 Ø 波束包络物理场的使用详解 | ||
波源设置 Ø 散射边界和端口边界的使用方法和技巧（波失方向和极化方向设置、S参数、反射率和透射率的计算和提取、高阶衍射通道反射投射效率的计算） Ø 频域计算、时域计算 Ø 点源，如电偶极子和磁偶极子的使用方法 | ||
材料设置 Ø 计算模拟中各向同性，各向异性，金属介电和非线性等材料的设置 Ø 二维材料，如石墨烯、MoS2的设置 Ø 特殊本构关系材料的计算模拟(需要修改内置的弱表达式) | ||
网格设置 Ø 精确仿真电磁场所需的网格划分标准 Ø 网格的优化 Ø 案列教学 | ||
COMSOL WITH MATLAB功能简介 Ø COMSOL WITH MATLAB 进行复杂的物理场或者集合模型的建立(如超表面波前的衍射计算) Ø COMSOL WITH MATLAB 进行复杂函数的设置(如石墨烯电导函数的设置和仿真) Ø COMSOL WITH MATLAB 进行高级求解运算和后处理 Ø COMSOL WITH MATLAB求解具有色散材料的能带 | ||
部分案例图示：
机器学习赋能的智能光子学器件系统研究与应用
课程背景 | ||
课程针对希望了解和掌握在集成光学/空间光学方面的器件、系统和算法结合应用的科研人员及开发者。课程主要为光子学与机器学习的交叉学科理论讲解与结合案例实操的技术讲解，以期衔接常见机器学习模型及框架的使用与各种光学器件和系统实际应用中的间隔。先介绍常用的光子学仿真设计手段与基于 Python 语言的机器学习框架，讲解机器学习的基本算法与当前实用的几种深度学习网络架构，并结合前沿的文献案例进行示例演示与练习，案例涵盖 Science 等顶刊（开阔视野）与科研中较为实用的期刊（难度适中，便于快速掌握及取得成果），有利于短期及中长期的科研和开发流程。最后针对讲解当前最新的前沿进展应用，抛砖引玉，增进对于机器学习在光子学中的应用的深度理解。 | ||
智能光子学绪论 | 1.1 空间光学系统与集成微纳光子学系统概论 1.2 机器学习和人工智能的基本概念与发展历程 1.3 机器学习方法在光子学设计中的应用简介 1.4 光子学器件构建神经网络的应用简介 | |
光子学器件仿真软件基础与器件逆向设计 | 2.1 光子学器件的主要设计目标和调控方法 2.2 Rsoft, Ansys optics 光子学仿真软件介绍与基本操作 2.3 时域有限差分方法与空间光场模拟 案例分析：传播相位与几何相位超构单元仿真与器件库提取与二维超构透镜设计与传播光场仿真 2.4 波导器件仿真与片上光学系统设计 案例分析：片上的超构单元仿真与光学参数提取 2.5 基于仿真软件的光子学逆向设计 Ø 光子学逆向设计的概念 Ø 基于粒子群算法的光学器件优化 Ø 基于伴随方法的光子学器件优化 案例分析：基于粒子群方法的耦合器设计 | |
机器学习方法简介与 Python 软件基础 | 3.1 机器学习基础概念 3.2 监督学习与无监督学习 3.3 简单常用算法简介（如线性回归、SVM 等） 3.4 Python 编程基础 Ø Python 环境搭建与工具介绍（如Jupyter Notebook） Ø 基本语法与数据结构 Ø NumPy 等库的使用 Ø 数据可视化工具（如Matplotlib 等） Ø 深度学习框架 Pytorch 简介 | |
常用的深度神经网络简介与 Python 实现 | 4.1 深度学习简介 4.2 神经网络基础概念与结构 4.3 深度学习的基本原理与训练过程 4.4 常用深度网络模型简介 Ø 全连接网络(FC） Ø 卷积神经网络（CNN） Ø 带历史记忆的网络（如 RNN） 4.5案例分析：基于 Python 的几种神经网络构建 Ø 全连接网络 Ø 卷积神经网络 Ø U-Net 4.6 一个基本的全连接网络模型的搭建与训练 | |
深度学习在微纳光子学中的应用 | 5.1 微纳光子器件的基本原理与常见结构 5.2 基于深度学习的光谱预测与逆向设计 案例分析：一维的和二维的全介质和金属SPR 材料的光谱预测与逆向设计 5.3 基于机器学习的电磁近场预测和逆向设计 案例分析：介质超构表面的近场调控设计 5.4 基于深度学习的超构单元生成 案例分析：基于生成-对抗网络的电磁调控结构定制化生成 | |
深度学习在其他光学系统中的应用 | 6.1 深度学习在多样化的光学系统中的应用概述 6.2 深度学习在计算成像中的应用 案例分析：深度学习增强的非线性光纤单像素成像系统 6.3 深度学习在图像处理中的应用 | |
光子学器件赋能的深度神经网络应用 | 7.1 光子学器件在深度学习中的应用概述 7.2 基于光学矩阵-向量相乘的卷积加速器 7.3 衍射光学神经网络 案例分析：基于片上衍射神经网络的超构光学系统用于图像分类 7.4 光学神经网络的优势与挑战 | |
机器学习与光子学的高阶应用介绍与未来展望 | 8.1 深度学习赋能光子芯片制造 案例分析：通过机器学习优化工艺容差与器件性能 8.2 机器学习赋能的传统光学仪器增强 案例分析：基于深度学习的高分辨红外热波段雷达 8.3 光子学硬件赋能的低功耗信息处理 案例分析：基于衍射神经网络的太赫兹光学处理器（Science） 8.4 非典型机器学习系统——万物皆可机器学习（Nature） | |
部分案例展示：
智能光学计算成像技术与应用
目录 | 主要内容 |
光学计算成像导论 | 1.计算成像的概念与现状 2.生活与科研中的典型应用场景 3.光学计算成像与计算摄影 4.深度学习增强的计算成像 |
像基本概念及计算成像理论基础 | 1.颜色和光谱，图像在程序中的表示 2.图像传感器，成像物理模型与噪声 3.其他成像元件与光波波前分析方法 4.常见图像描述方法与图像处理流程 5.图像重构理论基础 6.一般计算成像逆问题与求解方式 实例：Poisson blending of image |
机器学习及Python软件基础 | 1.机器学习基础概念 2.监督学习与无监督学习 3.常用算法简介（如线性回归、多层感知机等） 3.1Python 编程基础 3.2Python 环境搭建与工具介绍 3.3基本语法与数据结构 3.4矩阵运算库NumPy与GPU运算库Cupy 3.5数据可视化工具（Matplotlib 等） 3.6深度学习框架PyTorch 与TensorFlow 实践：用Numpy/cupy与matplotlib绘制分形图像 |
图像常用深度神经网络与PyTorch/TensorFlow实现 | 1.深度学习简介与神经网络基础概念 2.深度学习的基本原理与训练过程 3.常用基本深度网络模型简介 3.1全连接网络(FC） 3.2卷积神经网络（CNN） 3.3带历史记忆的网络（如RNN） 4.基于PyTorch与TensorFlow的几种神经网络构建 Ø 全连接网络 Ø 卷积神经网络 Ø U-Net Ø Res-Net 实践：基本的全连接网络模型与卷积神经网络的搭建与训练 |
图像的神经网络表示与ADMM图像重构 | 1.神经表示（Neural Representations）与位置嵌入（Positional Encoding） 2.神经渲染（Neural Rendering） 3.学习式重构（Learned Reconstruction）与应用介绍 4.用ADMM算法来求解正则化逆问题 实践：用ADMM 算法来重构图像 |
常见的计算成像应用 | 1.图像去噪与解模糊 2.空域编码-解码成像（压缩感知、单像素成像）简介 3.时域编码-解码成像（飞行时间、非视域成像）简介 4.无透镜成像 4.1无透镜成像的概念与基础 点扩散函数（PSF） 调控与无透镜成像: 散射成像实例 |
压缩感知和压缩编码成像 | 1.压缩感知与压缩成像理论 1.1基于多模光纤lantern的压缩计算成像讲解 Ø 实践：1D信号和2D图像的压缩感知重构 2.结构光照明和单像素成像理论 3.基于神经网络的单像素成像 3.1基于神经网络的远场超分辨率鬼成像讲解 实践：基于多模光纤超快脉冲的单像素探测超快成像 |
高光谱成像 | 1.高光谱成像简介与理论知识 2.神经网络光谱成像 案例：具有高空间分辨率的宽带高光谱图像传感器（实践网络重构部分） |
微纳光学计算成像 | .超构表面与微纳光学增强的计算成像简介 2.超构表面与相位获取成像 实例讲解：纳米光学高质量超构透镜成像（实践图像重构部分） |
端到端光学算法联合设计 | 1.一般图像系统设计 2.端到端光学和图像处理系统设计 Ø 案例讲解：端到端的基于深度学习的散射介质散斑计算成像 综合实例讲解：用一个纯相位镜头的灰度图像到高光谱图像（超光谱/解模糊/深度学习/点扩散函数设计/压缩成像） |
部分案例展示：
COMSOL光电专题：
1、基础入门阶段采用Step by step的教学方式带着做具体的案例，在案例中学习COMSOL应用必备技能，帮助学员快速掌握COMSOL的仿真框架，建立正确的仿真思路。
2、通过模块详解掌握各种边界条件和域条件的设置方法和技巧，区分每个边界条件或域条件应该在什么场景中应用。
3、掌握精确仿真电磁场所需的网格划分标准及优化技巧，深入探索从模拟中获得的结果（如分析设计方案中的电磁场分布、功率损耗、传输和反射、阻抗和品质因子等），对光子器件、集成光路、光波导、耦合器、光纤等设计进行优化。
4、应用COMSOL WITH MATLAB 进行复杂物理场的建立或者集合模型的建立，如超表面波前的衍射计算、石墨烯电导函数的仿真、具有色散材料的能带求解等。
5、整个课程通过多个场景案例的应用讲解，了解借助 COMSOL在理想或多物理场环境下分析、评估、预测射频、微波和毫米波等行业中涉及的器件的性能的方法，使设计满足当前和未来发展。
机器学习与光子学专题：
1、理论与实践结合：课程不仅讲解理论知识，还通过案例实操，如仿真设计手段和基于Python的机器学习框架，使学员能够将理论应用于实践。
2、实践操作与案例分析：课程强调通过实际案例分析和操作，使学员能够深入理解并应用机器学习模型和框架到光子学器件与系统中。
3、前沿技术与应用：课程内容紧跟科学前沿，包括最新的光子学仿真设计手段、深度学习网络架构，以及它们在光子学设计中的应用。
4、软件工具与编程基础：课程提供了光子学仿真软件（如Rsoft, Ansys optics）和Python编程语言的详细介绍，包括机器学习库和深度学习框架Pytorch的使用。
5、深度学习在光子学中的应用：特别强调深度学习技术在微纳光子学、计算成像和图像处理等领域的应用，以及如何通过深度学习进行光谱预测和逆向设计。
6、未来技术趋势与展望：课程不仅介绍了当前的技术应用，还探讨了机器学习与光子学结合的未来趋势，如光子芯片制造、光学仪器增强和低功耗信息处理等。
智能光学计算成像技术与应用专题
光学为骨，AI为翼。区别于经典的光学成像课程和主要讲解数字算法的图像处理课程，本课程旨在结合各种先进光学器件与系统的特点，详解运用人工智能算法协同实现计算成像的主题。课程内容涵盖系统功能增强，软硬件协同设计等。内容立足于光学，在讲解常用的计算成像的算法的同时，融合各种智能算法，内容涉及成像的经典理论，常用的机器学习/深度学习算法与软件使用技巧，当下常用的几类计算光学重构理论等，并在光谱成像，压缩感知成像，无透镜成像，散斑成像，端到端光学算法联合设计等热点计算成像应用的话题及几类交叉的话题上进行相关论文的讲解与实践。教学方式将基础理论与高水平论文（Nature/Nature communication/Optica等）讲解相结合，辅以实际案例操作，通过理论学习、实践操作和启发式扩展讨论的方式，力图增强学习者对理论和应用的整合能力及创新思考能力。
时间地点
超表面逆向设计与应用
2024年12月21日-12月22日
2024年12月28日-12月29日
在线直播（授课四天）
COMSOL光电多场耦合仿真技术与应用
2025年01月04日-01月05日
2025年01月11日-01月12日
在线直播（授课四天）
机器学习赋能的智能光子学器件系统研究与应用
2024年12月21日-12月22日
2025年01月04日-01月05日
在线直播（授课四天）
智能光学计算成像技术与应用
2025年01月18日-01月21日
在线直播（授课四天）
报名费用
（含报名费、培训费、资料费）
课程名称 | 价格（元） | |
超表面逆向设计与应用 | 4500 | |
COMSOL光电多场耦合仿真技术与应用 | 4300 | |
机器学习赋能的智能光子学器件系统研究与应用 | 4500 | |
优惠一：
专题一、二、三2024年11月22日前，专题四12月27日前报名缴费可享受200元早鸟价优惠（仅限前十名）；
优惠二：
参加过我单位其它课程的老学员，超表面专题可享受额外200元优惠；
【注】费用提供用于报销的正规机打发票及盖有公章的纸质通知文件；北京中科万维智能科技有限公司作为本次会议会务合作单位，负责注册费用收取和开具发票，可开具会议费发票和发送会议邀请函；
增值服务
1、凡报名学员将获得本次培训电子课件及案例模型文件；
2、培训结束可获得本次所学专题课程全部无限次回放视频；
3、凡老学员推荐报名者，可享受额外两百元优惠；
4、参加培训并通过试的学员，可以获得：主办方北京软研国际信息技术研究院培训中心颁发的专业技能结业证书；
联系方式
官方联系人：柏老师
扫码添加vx咨询报名（辛苦备注咨询课程名称）
【注】开课前一周会务组统一发送开课通知；开课前一天会将直播链接及上机账号发至您微信。
如何报名、缴费？
1、致电专门负责行政招生的老师报名，联系方式见本文件。
2、填写报名回执表发送到专门负责行政招生工作的老师。
3、缴费支持对公转账、个人垫付（垫付费用可开具垫付证明，对公到账后实时退还垫付的费用。
