<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          深度學習基礎算法全解

          共 2148字,需瀏覽 5分鐘

           ·

          2021-01-06 14:02

          深度學習是人工智能從概念提出到走向繁榮得以實現(xiàn)的主流技術,為計算機視覺、語音識別、自然語言處理領域帶來了突破性的進展,在人臉識別、語音識別、機器翻譯等應用的準確率達到了接近甚至超過人類的水平。

          目前,谷歌有高達100+種服務都使用了深度學習方法,其中谷歌翻譯中將日語文字及菜單翻譯成英文,這一功能解決了很多語言不通產(chǎn)生的問題。
          ? ? ? ?(圖片來源:《深度學習》)
          人工智能產(chǎn)品的落地應用,備受全球矚目,我國《國務院關于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》中確立的 2020 年實現(xiàn)人工智能核心產(chǎn)業(yè)規(guī)模超過1500億元為目標。
          但由于我國人工智能起步較晚、發(fā)展歷程較短,人工智能人才儲備不足且培養(yǎng)機制不完善,導致我國人工智能產(chǎn)業(yè)內(nèi)有效人才缺口預計高達30 萬。作為人工智能技術的根基,深度學習已成為人工智能領域入門者及研究者的必修知識。
          (圖片來源:全球人工智能人才報告)
          有效人才巨大缺口、急劇增長的市場需求、豐厚的薪資,驅(qū)使不少人想要在短期內(nèi)掌握深度學習知識,達到就業(yè)水平,因此很多人通過讀知乎、博客文章的形式進行學習,但很難通過零散的知識點達到系統(tǒng)學習的效果;思維工程非理論,在深度學習理論理解不透徹的情況下,直接進行動手實踐,最終造成了只會調(diào)參數(shù)的局面。
          怎樣才能擁有扎實的理論基礎做后盾?最終實現(xiàn)落地實際應用?
          近期,深藍學院推出『深度學習:從理論到實踐』在線課程,本門課程將從基礎的數(shù)學模型以及算法實現(xiàn)出發(fā),詳細講解CNN、 RNN、 LSTM等常見的深度神經(jīng)網(wǎng)絡模型,以及在計算機視覺、自然語言處理等領域經(jīng)典任務中的應用。

          課程大綱


          課程講師

          元春
          算法工程師
          博士畢業(yè)于中科院大數(shù)據(jù)挖掘與知識管理重點實驗室,主要研究方向為機器學習、自然語言處理。
          在國際會議與期刊中發(fā)表多篇論文,研究課題包括文本多語境表示學習和文本情感分析算法研究,以及利用文本情感分析方法與動態(tài)情感復雜網(wǎng)絡對股市的研究。
          曾與考拉征信、春雨醫(yī)生、北京大學大數(shù)據(jù)研究院進行項目合作,先后在華為諾亞實驗室和微軟亞洲研究院實習。
          洪振
          高級研究員
          博士畢業(yè)于中科院自動化所模式識別國家重點實驗室,主要研究領域包括深度學習、目標識別、語義分割、OCR等。
          曾獲2016RAC目標識別亞軍,17年ISPR 2D圖像分割冠軍,發(fā)表論文近10篇。


          實踐項目


          本門課程采用理論與實踐相結(jié)合,包括五個實踐!這里為大家詳細展示兩個。
          實踐項目1:房價預測
          房價預測是一個典型的回歸預測問題,經(jīng)常被當作機器學習算法的入門應用。基于神經(jīng)網(wǎng)絡的房價預測是利用全神經(jīng)網(wǎng)絡的強大擬合能力來擬合一個回歸函數(shù)。
          本實踐所用數(shù)據(jù)集為波士頓地區(qū)的13個房產(chǎn)特征與對應的房價,通過訓練一個神經(jīng)網(wǎng)絡模型可以預測波士頓地區(qū)的房價。

          實踐項目2 :目標檢測

          目標檢測任務需要從背景中分離出感興趣的目標,并確定這一目標的描述(類別和位置),是從圖像分類過渡來的任務,目標檢測的應用主要包括人臉檢測、安防監(jiān)控、交通疏導等。本次實踐主要講解基于CNN的目標檢測的開山鼻祖:Faster RCNN。會從思想來源(分類任務到檢測的過渡)、網(wǎng)絡搭建和網(wǎng)絡預測三個方面展開,熟悉目標檢測的基礎框架。

          實踐項目3:圖像分類

          本實踐所用數(shù)據(jù)集為1000類的ImageNet數(shù)據(jù)集,共計120張樣本。會從模型搭建、模型訓練和網(wǎng)絡預測三個方面進行展開,熟悉整個圖像分類框架。

          實踐項目4:手寫數(shù)字識別

          本章節(jié)通過兩個典型的回歸與分類問題,可以初步了解到神經(jīng)網(wǎng)絡的能力,通過從頭到尾手寫代碼完成訓練,也能了解神經(jīng)網(wǎng)絡大概的工作步驟,為后續(xù)章節(jié)中PyTorch的學習積累經(jīng)驗。

          實踐項目5:?文本分類

          本次實踐利用標注好的旅游文本情感數(shù)據(jù),利用課程講解的卷積神經(jīng)網(wǎng)絡與循環(huán)神經(jīng)網(wǎng)絡,或是兩者的搭配來創(chuàng)建一個文本情感分類模型,從而訓練出一個實際可用的分類模型,以此來支撐實際的業(yè)務需要。(詳細內(nèi)容添加文末客服領取)


          學后收獲

          1.充分理解相比于經(jīng)典的神經(jīng)網(wǎng)絡,深度神經(jīng)網(wǎng)絡強大的表示學習能力;
          2. 掌握經(jīng)典的深度神經(jīng)網(wǎng)絡模型(CNN, RNN, LSTM)思想原理;
          3.學會使用深度學習解決實際任務,及解決任務的整體流程;
          4. 熟悉當下主流的深度學習框架Pytorch,并通過該框架做CV及NLP領域的實踐。


          還能收獲什么?

          1. 優(yōu)質(zhì)的學術圈子
          伙伴們大多是來自985、211及海外院校碩博,在這里大家一起學習、進行討論與研究。獨一無二的優(yōu)質(zhì)圈子將是你未來學習與就業(yè)的寶貴資源。
          2. 企業(yè)認可的證書
          學完課程后將有機會收獲優(yōu)秀學員證書、畢業(yè)證書,為你的簡歷加分添彩。


          課程服務

          1. 三師助力
          講師&助教及時答疑解惑,班主任全程帶班督學,幫你克服拖延,不斷進步。
          ?
          2. 定期班會
          助教會對作業(yè)進行1V1講評和指導;在班會中,學習更多技巧;在交流中收獲更多思路。

          從這門課程開始你的深度學習吧!

          搶占優(yōu)惠名額

          拼手速的時候到了

          現(xiàn)在報名,立即優(yōu)惠50

          僅限39人!
          掃碼備注“05”,優(yōu)先通過哦~
          添加客服『育心,獲取更多信息~
          瀏覽 27
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  亚洲AV无码国产成人久久 | 黄色视频免费在线观看网站 | 97A片在线观看播放 | 久久少妇后入 | 伊人久久人妻 |