歡迎光臨
每天分享高質量文章

重磅|100節免費AI公開課(含CV、NLP、自動駕駛)-硅谷頂級科學家傾力打造

甲子光年CEO在《少數人的路》中說:“技術推動了一次次工業革命,每一次都帶來了至少100倍以上的生產力的提高;第一次,機械革命,第二次,電氣革命,第三次,信息革命,第四次,便是正在進行的智慧革命”


而智慧革命的當下,核心的主角便是人工智慧。


根據艾瑞咨詢發佈的《中國人工智慧+金融行業研究報告(2018)》,在智慧支付、智慧客服、智慧風控、智慧投顧等多個場景,人工智慧技術都有了成熟的應用。


艾瑞咨詢:《人工智慧+金融行業應用全景圖》


對應的薪水也平均薪酬溢價高達55%-110%,有2、3年經驗的人才要價50-60萬年薪是很正常的一件事情。在這種形勢下,很多同學都產生了涉足人工智慧的想法,並付諸了行動。

其實網上關於人工智慧的課程有很多,大量免費的資料可以去選擇,也有很多書籍和視頻可以去購買。但這些海量的資料加大了大家選擇的成本,降低了學習的效率。很多同學有很好的數學和代碼基礎,覺得自己能夠完全搞定人工智慧。但自己在中英文夾雜的資料海裡遨游了三個月後,收穫甚微。

所以為了讓大家能夠高效率入門人工智慧行業,我們邀請硅谷頂級科學家為大家在線直播100節免費公開課,一周3-4節課。

不要認為免費的公開課就沒有乾貨。每周一次的Review Session,我們會提前一周給出幾個備選主題,由群內的同學們自主投票選擇最心儀的主題。


這100節公開課有多硬核呢?設計緊密圍繞學術界最新進展以及工業界的需求,涵蓋了80%的人工智慧知識點,並且結合了大量實戰專案,包括熱門的聊天機器人,自動駕駛等專案,培養學員的動手能力,解決問題能來以及對知識的深入理解。


來看一下這周被選中的公開課主題,自動駕駛計算機視覺,NLP聊天機器人,推薦演算法,隨機演算法。

AI系列公開課一


機器學習在自動駕駛(計算機視覺)中的案例分析

時間: 1月16日(周三)下午1:00

內容介紹

1. 自動駕駛中的指示牌識別(Traffic Sign Recognition)

-指示牌識別的挑戰

-如何從攝像頭的畫面中定位交通指示牌(Image Segmentation)

-如何識別交通指示牌(Image Classification)

-資料增強等預處理技術


2. 自動駕駛中的方向盤轉動方向預測( Steering Prediction)

–  問題的標的和難點

–  傳統的方案:道路檢測、車輛檢測

–  基於深度學習的端到端學習

–  怎麼處理資料不平衡

–  傳統模型和端到端模型的比較

主講人介紹

Jerry 袁源
貪心科技負責人

美國微軟總部和美國亞馬遜總部的資深推薦系統工程師、主導多款核心推薦系統的研發,是人工智慧、分佈式系統、雲計算方面的專家。 博士畢業於美國新澤西理工,擁有14年人工智慧、推薦系統、自然語言處理、數字圖像和視頻處理專案經驗。曾師從中國科學院王守覺院士從事人臉識別研究、共同發表論文。在美國博士期間,主要研究NASA(美國航天局)支持的基於人工智慧的空間天氣預測專案。先後在AI相關會議和雜誌上發表過15篇以上的論文。

AI系列公開課二


如何搭建一個聊天機器人- 各類架構剖析及實現

時間: 1月17日(周四)晚上8:30


內容介紹

本次公開課講解搭建聊天機器人的幾個核心方法,包括技術講解和代碼演示。聽眾不需要掌握任何AI相關的知識。該公開課具體內容包括:

 聊天機器人的種類與評估

– 基於檢索的方法論

– 基於樣式匹配的方法論

– 基於意圖識別的方法論

– 基於端到端的方法論

主講人介紹

李文哲
NLP、知識圖譜領域專家

美國南加州大學博士,曾任凡普金科(愛錢進)首席科學家,美國亞馬遜/高盛高級工程師,AI量化投資公司首席科學家兼投資總監。在AAAI, KDD, AISTATS等頂會上發表過15篇以上論文,其中3篇獲得Best Paper Award,累計數百次取用。

AI系列公開課三


案例剖析-深度解讀Amazon的推薦演算法

時間: 1月19日(周六)晚上8:30


內容介紹

1. 概述 

推薦系統的成功案例(Amazon)


2. 常用的推薦的演算法

  1. 基於內容

  2. 協同過濾

  3. 矩陣分解

  4. 因子分解機(Factorization Machine)

  5. 深度學習

  6. 機器學習排序(Learning to Rank)

  7. 探索與利用(Explore and exploit): Contextual bandit

  8. 集成學習 (Ensemble/Hybrid method)

 

3. 如何評價推薦系統

  1. 離線評估

  2. 問卷調查

  3. 用戶學習(User Study)

  4. 在線測試 (A/B 測試)

 

4. 推薦系統架構


主講人介紹

Henry Shi
AI博士,機器人系訪問學者

Henry Shi, 擁有10多年人工智慧領域相關研發和研究經歷,負責過美國政府多項人工智慧基金專案。美國南加州大學人工智慧博士,卡內基梅隆大學機器人系訪問學者,先後在 ICML、AAAI、IJCAI、ICDM等國際頂級會議上發表數篇論文,取用次數高達1000。Henry也作為連續創業者,聯合創立了南加州地區最大規模的華人創業服務平臺PlusYoou普創、曾聯合創立了P2P留學咨詢平臺雲飛躍,擔任CTO並實現了併購退出。

AI系列公開課四


基於隨機森林的電信用戶流失模型

時間: 1月15日(就是今天)(周二)晚上8:30


內容介紹

本次公開課講解機器學習經典演算法隨機森林,它也是最常用的演算法之一,因為它很簡易,既可用於分類也能用於回歸任務。 本次公開課你將瞭解到隨機森林演算法的工作原理以及適用範圍。聽眾不需要掌握任何AI相關的知識。

  1. 隨機森林的原理

  2. 手寫一個隨機森林

  3. 模型的構建和評估

主講人介紹

郭銳
資深演算法工程師

資深演算法工程師,北京化工大學碩士,北京航空航天大學博士,東方國信資料挖掘工程師,第四範式NLP工程師,負責過電信終端換機專案、電信套餐升檔專案、銀行知識圖譜專案、證券公司問答系統專案等。

曬一下好評





報名方式


掃描海報二維碼進群
加入免費公開課。

之後的公開課安排
(每周二、四、六)


具體主題由學員投票決定

  • 企業開發中代碼是如何管理的

  • 一起聊聊AI/資料相關崗位的技能圖譜,職業規劃,未來前景

  • 一小時弄清楚自然語言處理技術概覽以及應用場景

  • 用例子來說明機器學習中的 MLE vs MAP vs 貝葉斯估計的區別

  • 面試必考題:邏輯回歸模型以及數學推導

  • 一小時弄清楚什麼是捲積神經網絡

  • Python中那些不得不會的演算法題目

  • 大話面向物件

  • 爬蟲開發過程中那些繞不過的登錄怎麼辦

  • Python結合計算機視覺技術進行驗證碼識別

  • 高質量的代碼必經之路-單元測試該怎麼做

  • Python操作MongoDB

  • Python操作MySQL

  • 爬蟲開發中不得不掌握的正則技術

  • Python企業開發規範

  • Python Web開發框架Django入門

  • Python Web開發框架Flask入門

  • Python 抓取貼吧評論併進行分析

  • 零基礎搭建簡單的問答系統

  • 怎麼用知識圖譜做金融風控系統

  • 利用端到端的學習(end-to-end learning)搭建無人駕駛系統

  • 搭建一個簡單的標的檢測系統(object detection)

  • 深度學習的可解釋性:深入淺出深度學習中的可視化(visualization)

  • 聊聊中美人工智慧人才培養、技術創新以及差異性

  • 推薦系統中的常見演算法介紹

  • 矩陣分析(Matrix Factorization)詳解:推薦系統最離不開的演算法

  • 幾行代碼可以實現的演算法: KNN的詳解

  • Metric Learning中的經典:LMNN演算法詳解

  • 隨機梯度下降法中的收斂理論

  • SGD, Adagrad, Adam演算法的詳細比較

  • 深入淺出遞迴神經網絡(Recurrent Neural Network)以及應用

  • RNN中的梯度爆炸以及梯度消減,介紹LSTM

  • 一小時實現圖像中的風格遷移(style transfer)

  • 一小時實現語音中的情緒識別(emotion recognition)

  • 基於GraphX做分佈式圖分析

  • 圖嵌入演算法詳解以及取用

  • GBDT和XGBoost演算法應用以及實現

  • 自適應系統所涉及到的技術要點

  • 機器學習工程需要必備的數學知識

  • 利用標的檢測和跟蹤演算法分析英雄聯盟視頻

  • 一小時教你怎麼搭建GPU訓練環境

  • 一小時用Keras搭建人臉識別系統

  • Google的最新作品BERT模型詳解以及實現

  • 一小時實現機器自動寫代碼系統

    (持續更新中。。)

公開課導師陣容


李文哲: 美國南加州大學博士,曾任凡普金科(愛錢進)首席科學家,美國亞馬遜/高盛高級工程師,AI量化投資公司首席科學家兼投資總監。在AAAI, KDD, AISTATS等頂會上發表過15篇以上論文,其中3篇獲得Best Paper Award,累計數百次取用。

袁源美國新澤西理工博士,美國微軟和美國亞馬遜的資深推薦專家和技術負責人、主導多款核心推薦系統的研發,是人工智慧、分佈式系統、雲計算方面的專家。擁有14年人工智慧、推薦系統、自然語言處理、數字圖像和視頻處理專案經驗。在AI會議上發表過20篇以上論文。

藍振忠:美國卡耐基梅龍大學博士。現任Google科學家,曾任美國智慧監控公司的首席科學家, 對視頻和多媒體的智慧分析有深入研究。他曾代表卡耐基梅隆大學在美國國家標準總局(NIST)舉辦的視頻智慧分析大賽中連續多年進入前三。先後在NIPS、CVPR、ICCV、IJCAI、ICDM等國際頂級會議上發表過25篇以上的論文,論文取用次數上千。

史源:美國南加州大學博士,美國AI基金創始人,擁有10多年人工智慧領域相關研發和研究經歷。卡耐基梅隆大學訪問學者,先後在 ICML、AAAI、IJCAI、ICDM等國際頂級會議上發表數篇論文,取用次數高達1000。


周景陽:曾任百度資深工程師,國美和凡普金科的技術負責人。是技術領域、資料分析、知識圖譜、視覺等領域的專家。


葛瀚騁美國Texas A&M;大學博士,美國亞馬遜Alexa部門資深科學家,負責Alexa的智慧化以及個性化的研發與應用,曾任職於美國ebay以及NEC北美實驗室。主要的研究涉及到Tensor、社交分析、推薦系統等領域,在KDD、AAAI、SIGIR、RecSys等國際頂級會議上發表15篇以上的論文,數百次的取用。


Q: 如何參與之後的公開課?

掃描下麵二維碼(或海報)進群
加入免費AI公開課

如遇任何困難,請加小編”greedytech“幫你入群