重磅|100节硅谷免费AI公开课(含chatbot、自动驾驶、推荐系统、CV等)

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。


其中占计算机视觉方向,自然语言处理、智能机器人及自动驾驶各占了很大比重。


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。




这周被选中的公开课主题也更偏重计算机视觉,包括:聊天机器人,自动驾驶,推荐算法,逻辑回归+梯度下降,CNN。


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


AI系列公开课三(备选)


如何搭建一个聊天机器人- 各类架构剖析及实现

时间: 1月24日(周四)晚上8:30


内容介绍


本次公开课讲解搭建聊天机器人的几个核心方法,包括技术讲解和代码演示。听众不需要掌握任何AI相关的知识。该公开课具体内容包括:


 聊天机器人的种类与评估

- 基于检索的方法论

- 基于模式匹配的方法论

- 基于意图识别的方法论

- 基于端到端的方法论


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


  • 文本的表示:从词袋模型到词向量

  • 机器学习中的 MLE vs MAP vs 贝叶斯估计

  • 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

  • 利用端到端的学习搭建无人驾驶系统

  • 搭建一个简单的目标检测系统

  • 可解释性:深入浅出深度学习中的可视化

  • 一小时弄清楚什么是卷积神经网络

  • 特征工程:细聊风控中的特征工程技术

  • 自适应系统的核心:Knowledge Tracing

  • 利用Seq2Seq模型来构建机器翻译系统

  • 一个小时弄清凸优化技术以及其应用场景

  • 零基础入门双曲空间中的图嵌入

  • 主题模型LDA的详解

  • 从本质理解深度学习为什么需要“深”?

  • AI领域的研究怎么做,怎么高效发论文?

  • 公司怎么转型AI,需要什么样的AI人才?

  • 自动化代码的生成、批改、代码嵌入

  • 推荐系统中的常见算法介绍

  • 随机梯度下降法中的收敛理论

  • SGD, Adagrad, Adam算法的详细比较

  • 一小时实现图像中的风格迁移

  • 一小时实现语音中的情绪识别

  • 图嵌入算法详解以及引用

  • 自适应系统所涉及到的技术要点

  • 用目标检测和跟踪算法分析英雄联盟视频

  • 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
    (100节AI公开课持续更新中......)

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


展开全文
Top
微信扫码咨询专知VIP会员