歡迎光臨
每天分享高質量文章

具備什麼樣的能力,才能在人工智慧企業中獲得一席之地

教育部最近印發《高等學校人工智慧創新行動計劃》,要求推進“新工科”建設,形成“人工智慧+X”複合專業培養新樣式,到2020年建設100個“人工智慧+X”複合特色專業、建立50家人工智慧學院、研究院或交叉研究中心。據不完全統計,時至今日,中國科學院大學、西安電子科技大學、重慶郵電大學、南京大學、湖南工業大學、長春理工大學、北京航空航天大學宣佈建設人工智慧學院。

高校人工智慧人才輸出,遠少於求

越來越多的高校緊跟先行者步伐,在人工智慧人才培養上爭相“佈局”。其主要原因在於:人工智慧已上升為國家戰略,而人工智慧時代最缺的就是人才。對這個行業來說,你有多好的人才,才可能有多好的人工智慧。所以為了搶占人工智慧制高點,高校就必須建立相關學院來保證人才的批量化輸出。

我國人工智慧的人才缺口超過500萬,供求比例僅為1:10。然而,人工智慧學院從成立到穩定的人才產出,通常需要5-7年的時間,因此依靠成立人工智慧學院解決不了燃眉之急,更多地在於長遠佈局

人工智慧企業需要什麼樣的人才

當下,以計算機視覺、語音識別、自然語言處理為核心技術的企業居多,而計算機視覺、語音識別等主流技術是深度學習,這種現狀進一步導致深度學習演算法工程師供遠小於求。由於其稀缺性,導致人才薪酬一路飆升。

根據2018年就業市場的一項調查結果,AI方向的應屆碩博畢業生,最高年薪可達50萬至70萬元。BAT、美團、滴滴、今日頭條以及國內人工智慧領軍企業商湯、曠視科技等巨頭都在重金招聘相關的人才。

企業高薪招募的人才,需要具備在某個領域具有較完備的垂直知識體系,面對新問題具備舉一反三的能力。而知識體系恰恰是無法通過短時間的培訓,就可以搭建起來的,它需要長期的積累和不斷的實踐探索,一點一點地悟。這也就是人工智慧領域研究生可以輕鬆拿到30萬乃至50萬年薪的原因。

專註於人工智慧在線教育的深藍學院,聯合中科院自動化所博士團隊以及知名AI企業演算法工程師,成立深度學習教研室,聯合推出第4期『深度學習:從理論到實踐』在線直播課程。課程偏向基礎入門,在詳細講述深度學習理論的同時,通過場景分割、行為識別兩大實踐任務,熟悉深度學習模型解決實際問題的流程,掌握深度學習訓練以及實戰中的技巧(本次課程不直接面向就業)。同時,根據學員的實際學習情況以及知識背景,後續給予定製化地自學或者培訓建議。


課程特色


1.   在線直播授課,微信群長期實時答疑;

2.    課件、資料和代碼,均提前公開;

3.    精心設計課後作業,並批改評分;

4.    評選優秀學員,推薦實習就業。


課程目錄


一、 深度學習理論(6學時)

  1. 前饋神經網絡

      1.1 概述

      1.2 單層神經網絡

      1.3 多層神經網絡

   2. 捲積神經網絡

      2.1 基本概念

      2.2 發展歷程

      2.3 網絡特點

      2.4 網絡設置

      2.5 網絡訓練以及相關應用

二、 實踐:基於深度網絡的場景分割(6學時)

   3. 深度學習框架Caffe入門

      3.1 Caffe簡介

      3.2 安裝和配置

      3.3 優點與局限性分析

      3.4 Caffe除錯

   4. 場景分割介紹及傳統方法概述
      4.1 場景分割背景介紹
      4.2 傳統方法介紹
        (1)分水嶺演算法
        (2)基於圖論的圖像分割
        (3)馬爾科夫隨機場與條件隨機場
      4.3 傳統場景分割代碼實踐
      4.4 經典深度場景分類網絡介紹及
CNN

            網絡設計潛規則

   5. 基於深度網絡的場景分割方法概述與實踐
      5.1 從深度場景分類到場景分割
      5.2 主流方法介紹:從FCN到Mask-RCNN
      5.3 場景分割網絡設計: 從資料層到損失層
      5.4 代碼實踐:從訓練到測試
      5.5 深度場景分割方法與傳統方法對比

三、 深度學習常見模型與Keras實踐(4學時)

   6. 深度殘差網絡和Highway網絡

      6.1 Keras簡介與安裝配置

      6.2 傳統深度神經網絡的局限性

      6.3 從Highway到ResNet到DenseNet

      6.4 Keras代碼實踐

        (1)Keras實現全連接網絡、捲積網絡等

                 基礎網絡

        (2)Keras實現Highway層

        (3)Keras實現殘差網絡

     習題:DenseNet來解決圖像分類問題實踐

   7. 自動編碼器與GAN

      7.1 深度無監督學習知識回顧

      7.2 自動編碼器及其變種

      7.3 從自動編碼器到生成對抗網絡

      7.4 Keras代碼實踐

        (1)Keras實現自動編碼器、稀疏自動編碼

                 器等基礎演算法

        (2)Keras實現生成對抗網絡

        (3)Keras實現條件GAN

    習題:去噪自動編碼器來解決圖像去噪問題實踐

四、實踐:基於深度網絡的行為識別(4學時)

   8. 行為識別概述與傳統方法實踐

      8.1 問題描述及研究意義

      8.2 發展脈絡及主要研究組

      8.3 傳統行為識別方法

        (1)時空特征提取

        (2)時空特征編碼

        (3)動作識別演算法

      8.4 代碼實踐:傳統行為識別方法

      8.5 深度網絡行為識別引入及討論

   9. 基於深度網絡的方法概述與實踐

      9.1 深度網絡行為識別方法綜述

      9.2 基於三維時空網絡的行為識別方法

      9.3 基於雙流時空網絡的行為識別方法

      9.4 資料集介紹及引數分析

      9.5 代碼實踐:深度網絡主流演算法

      9.6 主流方法與傳統方法的對比


講師介紹


宮博:資深演算法工程師,中國科學院自動化研究所博士,在計算機視覺與人工智慧領域具有近六年的研究經歷。攻讀博士學位期間主要研究方向是樣式識別與圖像處理,團隊成員在領域頂級會議期刊 ICCV、TNNLS、TIP等發表論文20多篇,參加全國視頻圖像分析技術挑戰賽,獲得標的檢測識別第二名,熟練掌握並應用深度學習Keras框架和Caffe框架。目前主要負責計算機視覺與人工智慧方面的演算法研發工作。


獎學金計劃




課程時間


1.  5月6日-6月10日,每周末晚7點-9點;

2.  課程限報 300 人,報滿為止;

3 200名報名者贈送『Python基礎入門』課程,詳情咨詢深藍學院助教。


報名方式


添加工作人員「深藍學院助教宇軒微信,備註“深度學習”,領取100元優惠券。

微信號:shenlanedu

赞(0)

分享創造快樂