今天下班后,期待已久的五一小长假就开始了!相信大家都已经做好五一假期的安排,不管是出门还是宅在家,在给身体和心灵充电的同时,无比热爱学习的大数据文摘就来负责给你的脑袋充电啦。
大数据文摘发起课程打卡学习活动的第三期开启啦!前两期的打卡活动已经圆满结束,大数据文摘和打卡学习成员都收获满满,点击这里查看往期打卡总结和精彩笔记哦。
社区成员的精彩笔记
本次打卡学习活动共包括了三门课程:吴恩达《Deep Learning Specialization》,李飞飞《CS231n:Convolutional Neural Networks for Visual Recognition》和周志华《机器学习》,课程内容有深有浅,非常适合想要给自己充电的小白和大咖。
先来看看本期打卡学习三门课程的背景:
吴恩达《Deep Learning Specialization》
由deeplearning.ai出品,网易引进的正版授权中文版深度学习工程师微专业课程,让你在了解丰富的人工智能应用案例的同时,学会在实践中搭建出最先进的神经网络模型,训练出属于你自己的AI。
课程官方链接:
https://www.coursera.org/specializations/deep-learning
李飞飞《CS231n:Convolutional Neural Networks for Visual Recognition》
课程内容安排合理,由浅入深。主要介绍了深度学习(尤其是卷积神经网络和与其相关的框架)在计算机视觉领域的应用,内容涵盖多种神经网络具体结构与训练应用细节,以及针对大规模图像识别,物体定位,物体检测,图像风格迁移,图像理解描述与视频内容识别等问题的前沿解决思路。
从一个简单的cifar10数据集和最简单的KNN算法开始介绍,慢慢引入深度学习相关的知识点。比如dropout、batchnormalization等。最后介绍了一些深度学习经典的范例,比如RNNs,LSTMs,GAN等。
课程官方链接:
http://cs231n.stanford.edu/
大数据文摘授权翻译汉化版课程:
https://study.163.com/provider/10146755/index.htm
周志华《机器学习》
本书尽可能从材料的“原生态”出发讲述,仅在少数地方简略点出联系。需说明的是,作者试图以相近深度讲述主要内容。读者若感到在某些地方“意犹未尽”,也可借助本书对其他内容的初窥优先于此处的进一步深究。另外,机器学习飞速发展,很多新进展在学界尚无公论之前,作者以为不适于写入入门级教科书中。但为了不致于与学科前沿脱节,本书也简略谈及一些本领域专家有初步共识的相对较新的内容。
为了给大家营造高效和积极的学习社区,大数据文摘也规划了打卡制度和奖惩机制:
打卡机制
本次打卡周期:5月2日—5月11日
每期打卡持续10天,每期间隔5天左右
所有课程/书籍将分为几期完成,每期有各自的打卡日程安排
每天至少完成规定视频/书籍内容的学习,并记录【学习笔记】,笔记形式不限、内容多少不限,但应满足一定的内容覆盖度
打卡笔记在小程序【小打卡】中发布
每天建议学习时间:1个小时-1.5个小时
参与机制
所有课程均可从零开始学习
每门课程建立专属微信交流群,配备志愿者进行打卡检查和组织日常讨论/答疑
每位参与者需缴纳66元人民币,其中16元用于交付运营志愿者的组织与记录薪酬,50元加入本群的奖金池
坚持完成一期打卡的学员,均分本课程/书籍专属微信群内的所有奖金
专属微信群参与人数每增加20名,即增加一名运营志愿者,保证学习和交流效果
面向人群
深度学习入门:
我们推荐吴恩达《Deep Learning Specialization》课程
机器学习进阶:
我们推荐周志华《机器学习》(西瓜书)
计算机视觉专项学习:
我们推荐《CS231n:Convolutional Neural Networks for Visual Recognition》课程
参与方式
扫描二维码,添加alpha好友
备注“吴恩达打卡”参与《Deep Learning Specialization》课程打卡;
备注“周志华打卡”参与《机器学习》(西瓜书)打卡;
备注“李飞飞打卡”参与《CS231n:Convolutional Neural Networks for Visual Recognition》课程打卡;
如果希望能组织、督促并激励所在群的小伙伴一起学习,并拿到一组的运营志愿者薪酬,也请在申请时一并说明哦!
AI热潮风起浪涌、资料信息层出不穷,如果你时常为选择学习什么而焦虑的话,请加入我们的打卡学习联盟。
除了有大数据文摘工作人员的参与运营,还有专门的运营志愿者为社区成员答疑解惑,还有各行业非常有热情的学习成员互相搀扶一起学习,来不及解释了,快上车!
2018年,让我们变成更厉害的人!
【今日机器学习概念】