专知《深度学习: 算法到实战》课程
中科院自动化所教授博士主讲
2019年 北京
www.zhuanzhi.ai
深度学习鼻祖Geoffrey Hinton前两天在接受《连线》专访时说,不会再有AI寒冬了,AI已经在你手机里了。吴恩达关注斯坦福刚发布的AI指数报告谈到,人才需求两年暴增35倍。是的,你也感受到AI在周围(刷脸、下棋、无人车、看病、教育…),人工智能是未来!中国在AI领域的人才需求是百万级的!我们需要更多专业的AI人才!而专知希望做一点贡献。为此,经过一年多的精心打磨准备,专知背靠中科院自动化所模式识别国家重点实验室,隆重推出《深度学习: 算法到实战》,一线教授博士带你学习深度学习的基础算法和应用实例,欢迎加入学习!
501位同学加入学习,并登陆网易云课堂深度学习畅销榜首位!
感兴趣的同学请扫码或者点击文章末尾“阅读原文”,加入学习!
我们是专知,提供专业可信的人工智能知识分发服务,让认知协作更快更好!专知团队背靠中国科学院自动化研究所,团队成员全部来自中科院自动化所模式识别国家重点实验室。包括专知网站平台和专知公众号,有关注使用用户5万多,累计阅读用户数超过180万人次,累计阅读量360万次; 深度学习-从算法到实战,涵盖深度学习算法和应用实例,算法包括DNN、CNN、RNN/LSTM、GAN及强化学习等,应用实例包括计算机视觉的目标检测、图像生成,自然语言处理的文本自动摘要等,帮助学员了解、理解、掌握深度学习的基础和前沿算法,并拥有深度学习算法实战技能。
由完整全面、脉络清晰的深度学习核心算法入门,到当前学界、工业界热门的深度学习应用实战,有效提高学生解决实际问题的能力。
掌握面向不用场景任务的深度学习应用技术
熟悉前沿深度学习强化学习等热点技术,把握深度学习的技术发展趋势
提升解决深度学习实际问题的能力
问答服务:老师答疑解惑、学员互动交流。
大礼包:一百个人工智能热点主题资料大合集。
揭开深度学习的神秘面纱,领略人工智能之美
教学大纲
人工智能和机器学习概述
人工智能历史和现状
从专家系统到机器学习
深度学习概述
从传统机器学习到深度学习
深度学习历史
深度学习的能与不能
浅层神经网络
从生物神经元到单层感知器
多层感知器
反向传播和梯度消失
从神经网络到深度学习
逐层预训练
自编码器和受限玻尔兹曼机
Beyond预训练
卷积神经网络绪论
卷积神经网络 vs 传统神经网络
卷积神经网络的基本应用
图像分类 image caption
图像检索 image retrieval
物体检测 object detection
图像分割 image segmentation
图像理解 image caption
应用拓展
自动驾驶 self-driving
人脸识别 face recognition
情感识别 facial expression recognition
动作识别 action recognition
图像生成 image generation
风格转化 style transfer
基本组成结构
卷积
池化
全连接
卷积神经网络典型结构
AlexNet
ZFNet
VGG
GoogleNet
ResNet
卷积神经网络实战(代码讲解)
总结
循环神经网络的应用
机器翻译 machine translation
语音识别 speech recognition
视觉问答 visual question answering
图像理解 image caption
语音问答 speech question answering
循环神经网络 vs 卷积神经网络
技术
应用场景
循环神经网络的基本结构
实例-智能系统
多种递归结构
深度RNN
双向RNN
BPTT算法
循环神经网络的模型变种
传统RNN存在的问题
LSTM
Grid-LSTM
GRU
各模型对比
扩展
其他解决RNN梯度消失的方法
基于注意力机制的RNN (attention-based RNN)
总结
目标检测绪论
概念
评价准则
数据集
竞赛
目标检测战前准备
滑动窗口
目标候选生成
难样本挖掘
非极大值抑制
检测框回归
目标检测:两阶段方法
R-CNN
SPP-Net
Fast R-CNN
Faster R-CNN
FPN
RFCN
目标检测:单阶段方法
YOLO
SSD
Retina Net
荟萃:目标检测方法对比
10行代码实现目标检测
拓展:视频中的目标检测
总结
生成式对抗网络简介
背景
GAN案例
图像生成
图像超像素
图像修复
风格转换
文字生成图片
GAN应用
数据增广
迁移学习/领域自适应
无监督特征学习
其他
生成式对抗网络基础
生成式对抗网络(Generative Adversarial Network,GAN)
直观解释GAN
模型和目标函数
全局最优解
PyTorch实现
条件生成式对抗网络(Conditional GAN, cGAN)
直观解释cGAN
模型和目标函数
PyTorch实现
深度卷积生成式对抗网络(Deep Convolutional GAN,DCGAN)
网络结构
PyTorch实现
Wasserstein GAN (WGAN)
JS距离缺陷
Wasserstein距离和Wasserstein损失
模型和目标函数
PyTorch实现
生成式对抗网络前沿
ProgressiveGAN
Spectral Normalization GAN
Self-Attention GAN
生成式对抗网络实战
以图像翻译为案例,由浅入深教你实现一个工程
用GAN实现图像翻译:Pixel2Pixel
U-Net
PatchGAN
Instance Normalization
详细的Pytorch实现
CycleGAN
Cycle-Consistent 损失
详细的Pytorch实现
StarGAN
多领域图像翻译
详细的Pytorch实现
深度强化学习
引言:强化学习相关概念、理论基础、深度强化学习的应用
基于策略的方法:策略梯度法
基于值的方法:Deep Q-Network
两种方法的结合:Actor-Critic方法
深度强化学习劝退?优势与挑战
迁移学习
引言:概念、定义与应用
迁移学习的种类及代表性方法
具化迁移学习:域自适应
迁移学习展望
图神经网络
引言:概念与应用
基于空域的图神经网络方法:以门限图递归神经网络为例
基于频域的图神经网络方法:图卷积神经网络(GCN)
展望
深度学习可视化及解释
可视化神经网路
解锁黑箱模型:在路上
深度学习的未来
如何用PyTorch完成实验?
如何加载、预处理数据集?
如何构建我想要的模型?
如何定义损失函数、实现优化算法?
如何构建对比实验(baseline)?
如何迭代训练、加速计算(GPU)、存储模型?
用PyTorch 实现经典模型
计算机视觉经典模型实现
怎么实现VGG?
怎么实现GoogleNet?
怎么实现ResNet?
自然语言处理经典算法实现
怎么实现神经网络语言模型?
怎么实现Sequence to sequence + attention(含有注意力机制的序列建模)?
怎么实现sequence labeling(序列标注模型)?
计算机视觉应用实战: 用PyTorch 实现实时目标检测
什么是目标检测任务?
目标检测的公开数据集讲解
目标检测的模型讲解
典型算法与实现
YOLO
SSD
自然语言处理应用实战:用PyTorch 实现文本自动摘要生成
什么是文本自动摘要生成任务?
文本摘要生成的公开数据集讲解
文本摘要生成的模型讲解
典型算法与实现
Pointer-generator
Fast_abs_rl
思维导图
点击查看大图
授课团队
高君宇,中国科学院自动化研究所模式识别国家重点实验室博士。研究方向为多媒体计算、深度学习、计算机视觉等。已经在IEEE Transaction on Image Processing、ACM Multimedia、AAAI等CCF-A类推荐的顶级国际期刊、会议上以第一作者发表了5篇文章,获中国科学院大学三好学生标兵、国家奖学金等荣誉。
王贯安,中国科学院自动化研究所复杂系统管理与控制国家重点实验室博士。研究方向为深度学习、计算机视觉和图像处理等;对人工智能算法如生成对抗网络等研究深入,独立撰写GAN算法综述;在图像检索、行人再识别领域具有丰富实战经验。已在计算机视觉顶级会议ECCV等会议、期刊发表论文多篇。独立主持进行军工合作项目(图像处理方向)1项。
▲
张飞飞,中国科学院自动化研究所模式识别国家重点实验室博士,专知算法技术负责人。主要研究多媒体数据分析、自然语言处理,已经在包括CCF-A ACM Multimedia 在内的多媒体领域多个权威会议发表论文多篇,曾获2016年PCM会议最佳论文奖,国家奖学金。带领算法团队参与研发的产业化项目专知,获得2018年中国多媒体大会多媒体前沿技术杰出展示奖。作为专知多个项目的算法负责人,为多家企业提供AI算法支持。在自然语言处理领域特别是实体、关系、事件分析与知识图谱方面经验丰富。
▼
【上课周期】
直播视频讲解 + QQ学员群交流答疑
报名方式
备注:专知课程,进行咨询、购买参团、加入学员群
开启你的进阶之旅
备注:购买成功后备注网易云账户名,以便核对入群
> > 点击文章末尾阅读原文,直接报名 < <