目前数据科学和人工智能的人才缺口空前之大,人们对AI相关知识的学习需求也大大增加。 本课程主要由8次讲座以及1个转化挑战任务组成,讲座每隔一周举办一次。每次讲座会用通俗易懂的语言引导大家掌握AI相关的知识点,依次为AI鸟瞰与进阶指南、机器学习入门、经典神经网络、深度神经网络、卷积神经网络、分类任务、探测任务、实例与调参方法,最后通过转化挑战任务带领大家实操实践。 真正让大家快速理解理论知识,并掌握实践能力。
播放:5302次,课程ID:1510982
目前数据科学和人工智能的人才缺口空前之大,人们对AI相关知识的学习需求也大大增加。 本课程主要由8次讲座以及1个转化挑战任务组成,讲座每隔一周举办一次。每次讲座会用通俗易懂的语言引导大家掌握AI相关的知识点,依次为AI鸟瞰与进阶指南、机器学习入门、经典神经网络、深度神经网络、卷积神经网络、分类任务、探测任务、实例与调参方法,最后通过转化挑战任务带领大家实操实践。 真正让大家快速理解理论知识,并掌握实践能力。
--1.8:环境搭建
--lec1-2019beta0.1版
--2.1:前言及引子
--2.2:数据表示&可视化/归一化&决策边界表示
--2.3:sigmoid函数&损失函数
--2.4:梯度下降法
--2.5:过拟合&正则化&总结
--lec2-2019beta0.1版
--3.1:前言&背景介绍&线性模型拟合MNIST
--3.2:前馈传播(上)
--3.3:前馈传播(下)&大神Hinton
--3.4:反向传播 & 知识延展 & NN vs MNIST
--3.5:尾声&第二讲作业说明
--4.1:前言&DNN概览
--4.2:数据集简介及知识回顾
--4.3:梯度消失
--4.4:梯度爆炸及激活函数
--4.5:过拟合及其解决办法
--4.6:处理大数据的小技巧&尾声
--5.1:引言&CNN概览
--5.2:标准DNN的局限性&卷积运算略解
--5.3:池化运算略解&数据集简介
--5.4:卷积&池化详解
--5.5:网络结构整体解析&尾声
--5.6:课后答疑
--5.7:第三次&第四次作业说明
--6.1:初始分类任务
--6.2:卷积知识回顾
--6.3:AlexNet & ZFNet
--6.4:VGG & GoogleNet(上)
--6.5:GoogleNet(下)& 模型退化问题
--6.6:ResNet & SENet
--6.7:小结 & 模型压缩
--6.8:MobileNet & 尾声
--6.9:第五章作业说明
--7.1:探测任务基础知识
--7.2:开山之作:R-CNN
--7.3:Fast & Faster R-CNN
--7.4:YOLO基础
--7.5:YOLO进阶 & 尾声
清华大学数据院-数据派研究部-部长 清华大学学生大数据研究协会-副会长 清华大学自动化系-研究生 北京轩宇信息技术有限公司-孵化中心副主任