推荐:100节硅谷免费AI公开课

2019 年 1 月 22 日 AINLP

甲子光年CEO在《少数人的路》中说:“技术推动了一次次工业革命,每一次都带来了至少100倍以上的生产力的提高;第一次,机械革命,第二次,电气革命,第三次,信息革命,第四次,便是正在进行的智能革命”


而智能革命的当下,核心的主角便是人工智能。

▲人工智能产业结构


而对应的薪水也平均薪酬溢价高达55%-110%,有2,3年经验的人才要价50-60万年薪是很正常的一件事情。在这种形势下,很多同学都产生了涉足人工智能的想法,并付诸了行动。


其中占比最重的是计算机视觉方向,其次是自然语言处理、智能机器人及自动驾驶。


▲计算机视觉的应用场景


其实网上关于人工智能的课程有很多,大量免费的资料可以去选择,也有很多书籍和视频可以去购买。但这些海量的资料加大了大家选择的成本,降低了学习的效率。很多同学有很好的数学和代码基础,觉得自己能够完全搞定人工智能。但自己在中英文夹杂的资料海里遨游了三个月后,收获甚微。



所以为了让大家能够高效率入门人工智能行业,我们邀请硅谷顶级科学家为大家在线直播100节免费公开课,一周3-4节课。


不要认为免费的公开课就没有干货。每周一次的Review Session,我们会提前一周给出几个备选主题,由群内的同学们自主投票选择最心仪的主题。




这100节公开课有多硬核呢?设计紧密围绕学术界最新进展以及工业界的需求,涵盖了80%的人工智能知识点,并且结合了大量实战项目,包括热门的聊天机器人,自动驾驶等项目,培养学员的动手能力,解决问题能来以及对知识的深入理解。




上面提到计算机视觉的重要性,所以这周被选中的公开课主题也更偏重计算机视觉,包括:自动驾驶,逻辑回归+梯度下降,Python+数据分析,CNN,推荐算法。



AI系列公开课一



机器学习在自动驾驶(计算机视觉)中的案例分析

时间: 1月23日(周三)下午1:00

(老师跨时差)

内容介绍



1. 自动驾驶中的指示牌识别(Traffic Sign Recognition)

- 指示牌识别的挑战

- 如何从摄像头的画面中定位交通指示牌(Image Segmentation)

- 如何识别交通指示牌(Image Classification)

- 数据增强等预处理技术


2. 自动驾驶中的方向盘转动方向预测( Steering Prediction)

-  问题的目标和难点

-  传统的方案:道路检测、车辆检测

-  基于深度学习的端到端学习

-  怎么处理数据不平衡

-  传统模型和端到端模型的比较


主讲人介绍


Jerry 袁源
CV、深度学习专家


美国微软总部和美国亚马逊总部的资深推荐系统工程师、主导多款核心推荐系统的研发,是人工智能、分布式系统、云计算方面的专家。 博士毕业于美国新泽西理工,拥有14年人工智能、推荐系统、自然语言处理、数字图像和视频处理项目经验。曾师从中国科学院王守觉院士从事人脸识别研究、共同发表论文。在美国博士期间,主要研究NASA(美国航天局)支持的基于人工智能的空间天气预测项目。先后在AI相关会议和杂志上发表过15篇以上的论文。


AI系列公开课二


深入理解逻辑回归和梯度下降法--从本质理解优化算法

时间: 1月24日(周四)晚上8:30


内容介绍


本次公开课的内容主要围绕逻辑回归模型以及梯度下降法。由浅入深,从本质层面深入去理解优化算法,以及它们之间的区别,内容会涉及不少数学,听众需要有一定的机器学习基础以及数学基础。


- 回顾逻辑回归模型

- 梯度下降法以及随机梯度下降法

- 时间复杂度回顾

- 凸函数和L-Lipschitz函数

- 梯度下降法的收敛分析以及证明

- 随机梯度下降法的收敛分析以及证明

- GD和SGD在收敛上的比较

- 延伸讨论:Adam, Adagrad的收敛性,与SGD的比较



主讲人介绍

李文哲
NLP、知识图谱领域专家

美国南加州大学博士,曾任凡普金科(爱钱进)首席科学家,美国亚马逊/高盛高级工程师,AI量化投资公司首席科学家兼投资总监。在AAAI, KDD, AISTATS等顶会上发表过15篇以上论文,其中3篇获得Best Paper Award,累计数百次引用。


AI系列公开课三


掌握爬虫+数据分析:斗鱼人气前十网红直播间案例分析

时间: 1月22日(周二)晚上8:30


内容介绍


如果一招爬虫走不了天下,那么加上数据分析你肯定无敌。本课程适合刚刚入门Python,想要学习爬虫及数据分析相关内容的学员。


  1. 爬虫常见解析工具和request的详细介绍

  2. 一起来爬斗鱼吧(代码演示)

  3. 爬来的数据可以做什么?:Python数据分析技术详解

  4. 入门matplotlib数据分析:找到斗鱼最赚钱的直播内容



主讲人介绍

周景阳
数据分析、知识图谱专家

周景阳,技术领域、数据分析领域专家。曾任百度资深工程师、凡普金科和国美金融技术负责人。拥有8年以上、大数据和AI方面的实战经验,先后负责过金融风控、知识图谱、计算机视觉、聊天机器人等多个公司级的核心项目。多家在线教育平台的金牌讲师,拥有丰富的授课经验。


AI系列公开课四



全方位了解CNN卷积神经网络

时间: 1月27日(周日)晚上8:30

(老师跨时差)

内容介绍



带领大家沿着CNN卷积神经网络的历史发展脉络看清CNN的进化路线, 温故而知新, 帮助我们展望CNN未来的发展趋势. 




  1. 首先我会和大家回顾历届获得ImageNet冠军的CNN网络模型, 例如AlexNet, ZFNet, GoogLeNet, VGG Net和ResNet. 研究他们的特点, 理解其算法精髓, 比较他们各自的优势. 

  2. 一起研究新的CNN网络, 例如DenseNet, MobileNet, ShuffleNet和EffNet, 看清为什么他们能够脱颖而出, 他们会给我们未来设计自己的CNN网络带来什么样的启示?



主讲人介绍


Henry Shi
AI博士,机器人系访问学者


Henry Shi, 拥有10多年人工智能领域相关研发和研究经历,负责过美国政府多项人工智能基金项目。美国南加州大学人工智能博士,卡内基梅隆大学机器人系访问学者,先后在 ICML、AAAI、IJCAI、ICDM等国际顶级会议上发表数篇论文,引用次数高达1000。Henry也作为连续创业者,联合创立了南加州地区最大规模的华人创业服务平台PlusYoou普创、曾联合创立了P2P留学咨询平台云飞跃,担任CTO并实现了并购退出。



AI系列公开课五



案例剖析-深度解读Amazon的推荐算法

时间: 周三或周六下午1:00(备选)


内容介绍


1. 概述 

推荐系统的成功案例(Amazon)


2. 常用的推荐的算法

  1. 基于内容

  2. 协同过滤

  3. 矩阵分解

  4. 因子分解机(Factorization Machine)

  5. 深度学习

  6. 机器学习排序(Learning to Rank)

  7. 探索与利用(Explore and exploit): Contextual bandit

  8. 集成学习 (Ensemble/Hybrid method)

 

3. 如何评价推荐系统

  1. 离线评估

  2. 问卷调查

  3. 用户学习(User Study)

  4. 在线测试 (A/B 测试)

 

4. 推荐系统架构


主讲人介绍


Jerry 袁源
CV、深度学习专家


美国微软总部和美国亚马逊总部的资深推荐系统工程师、主导多款核心推荐系统的研发,是人工智能、分布式系统、云计算方面的专家。 博士毕业于美国新泽西理工,拥有14年人工智能、推荐系统、自然语言处理、数字图像和视频处理项目经验。曾师从中国科学院王守觉院士从事人脸识别研究、共同发表论文。在美国博士期间,主要研究NASA(美国航天局)支持的基于人工智能的空间天气预测项目。先后在AI相关会议和杂志上发表过15篇以上的论文。



晒一下好评

报名方式






扫描海报二维码进群
加入免费公开课。


之后的公开课安排
(每周二、四、六)




具体主题由学员投票决定


  • 企业开发中代码是如何管理的

  • 一起聊聊AI/数据相关岗位的技能图谱,职业规划,未来前景

  • 一小时弄清楚自然语言处理技术概览以及应用场景

  • 用例子来说明机器学习中的 MLE vs MAP vs 贝叶斯估计的区别

  • 面试必考题:逻辑回归模型以及数学推导

  • 一小时弄清楚什么是卷积神经网络

  • Python中那些不得不会的算法题目

  • 大话面向对象

  • 爬虫开发过程中那些绕不过的登录怎么办

  • Python结合计算机视觉技术进行验证码识别

  • 高质量的代码必经之路-单元测试该怎么做

  • Python操作MongoDB

  • Python操作MySQL

  • 爬虫开发中不得不掌握的正则技术

  • Python企业开发规范

  • Python Web开发框架Django入门

  • Python Web开发框架Flask入门

  • Python 抓取贴吧评论并进行分析

  • 零基础搭建简单的问答系统

  • 怎么用知识图谱做金融风控系统

  • 利用端到端的学习(end-to-end learning)搭建无人驾驶系统

  • 搭建一个简单的目标检测系统(object detection)

  • 深度学习的可解释性:深入浅出深度学习中的可视化(visualization)

  • 聊聊中美人工智能人才培养、技术创新以及差异性

  • 推荐系统中的常见算法介绍

  • 矩阵分析(Matrix Factorization)详解:推荐系统最离不开的算法

  • 几行代码可以实现的算法: KNN的详解

  • Metric Learning中的经典:LMNN算法详解

  • 随机梯度下降法中的收敛理论

  • SGD, Adagrad, Adam算法的详细比较

  • 深入浅出递归神经网络(Recurrent Neural Network)以及应用

  • RNN中的梯度爆炸以及梯度消减,介绍LSTM

  • 一小时实现图像中的风格迁移(style transfer)

  • 一小时实现语音中的情绪识别(emotion recognition)

  • 基于GraphX做分布式图分析

  • 图嵌入算法详解以及引用

  • GBDT和XGBoost算法应用以及实现

  • 自适应系统所涉及到的技术要点

  • 机器学习工程需要必备的数学知识

  • 利用目标检测和跟踪算法分析英雄联盟视频

  • 一小时教你怎么搭建GPU训练环境

  • 一小时用Keras搭建人脸识别系统

  • Google的最新作品BERT模型详解以及实现

  • 一小时实现机器自动写代码系统

    (持续更新中。。)

    公开课导师阵容





李文哲 : 美国南加州大学博士,曾任凡普金科(爱钱进)首席科学家,美国亚马逊/高盛高级工程师,AI量化投资公司首席科学家兼投资总监。在AAAI, KDD, AISTATS等顶会上发表过15篇以上论文,其中3篇获得Best Paper Award,累计数百次引用

袁源 美国新泽西理工博士,美国微软和美国亚马逊的资深推荐专家和技术负责人、主导多款核心推荐系统的研发,是人工智能、分布式系统、云计算方面的专家。拥有14年人工智能、推荐系统、自然语言处理、数字图像和视频处理项目经验。在AI会议上发表过20篇以上论文。



蓝振忠:美国卡耐基梅龙大学博士。现任Google科学家,曾任美国智能监控公司的首席科学家, 对视频和多媒体的智能分析有深入研究。他曾代表卡耐基梅隆大学在美国国家标准总局(NIST)举办的视频智能分析大赛中连续多年进入前三。先后在NIPS、CVPR、ICCV、IJCAI、ICDM等国际顶级会议上发表过25篇以上的论文,论文引用次数上千。


史源:美国南加州大学博士,美国AI基金创始人,拥有10多年人工智能领域相关研发和研究经历。卡耐基梅隆大学访问学者,先后在 ICML、AAAI、IJCAI、ICDM等国际顶级会议上发表数篇论文,引用次数高达1000。


周景阳:曾任百度资深工程师,国美和凡普金科的技术负责人。是技术领域、数据分析、知识图谱、视觉等领域的专家。


葛瀚骋美国Texas A&M大学博士,美国亚马逊Alexa部门资深科学家,负责Alexa的智能化以及个性化的研发与应用,曾任职于美国ebay以及NEC北美实验室。主要的研究涉及到Tensor、社交分析、推荐系统等领域,在KDD、AAAI、SIGIR、RecSys等国际顶级会议上发表15篇以上的论文,数百次的引用。


Q: 如何参与之后的公开课?

扫描下面二维码(或海报)进群
加入免费AI公开课


登录查看更多
9

相关内容

【DeepMind推荐】居家学习的人工智能干货资源大全集
专知会员服务
107+阅读 · 2020年6月27日
商业数据分析,39页ppt
专知会员服务
159+阅读 · 2020年6月2日
少标签数据学习,54页ppt
专知会员服务
196+阅读 · 2020年5月22日
【课程推荐】人工智能导论:Introduction to Articial Intelligence
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
120+阅读 · 2019年10月10日
免费 | 从通识到核心—自然语言处理专题公开课
PaperWeekly
3+阅读 · 2018年12月25日
推荐几个权威且免费的人工智能学习资源
深度学习世界
10+阅读 · 2018年5月2日
【理论+代码】公开课全免费,手把手带你进入人工智能领域
量化投资与机器学习
10+阅读 · 2018年4月7日
限时领取|45讲人工智能与python入门课程
数据挖掘入门与实战
5+阅读 · 2018年2月4日
老铁,邀请你来免费学习人工智能!!!
算法与数学之美
3+阅读 · 2017年11月13日
SlowFast Networks for Video Recognition
Arxiv
4+阅读 · 2019年4月18日
CoCoNet: A Collaborative Convolutional Network
Arxiv
6+阅读 · 2019年1月28日
dynnode2vec: Scalable Dynamic Network Embedding
Arxiv
14+阅读 · 2018年12月6日
Arxiv
7+阅读 · 2018年1月31日
VIP会员
相关VIP内容
【DeepMind推荐】居家学习的人工智能干货资源大全集
专知会员服务
107+阅读 · 2020年6月27日
商业数据分析,39页ppt
专知会员服务
159+阅读 · 2020年6月2日
少标签数据学习,54页ppt
专知会员服务
196+阅读 · 2020年5月22日
【课程推荐】人工智能导论:Introduction to Articial Intelligence
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
120+阅读 · 2019年10月10日
相关资讯
Top
微信扫码咨询专知VIP会员