BitTiger.io
首发于BitTiger.io
直播 | 入门人工智能,跟着阮博士开始深度学习TensorFlow

直播 | 入门人工智能,跟着阮博士开始深度学习TensorFlow

2016年,Google的Master(AlphaGo)打败了诸多世界最强的围棋选手;2017年初,百度的小度机器人打败了“最强大脑”。近年来AI(人工智能)在电影、电视剧里也有了越来越多的出镜机会,被人们所熟悉。

事实上,人工智能已经被应用在我们生活的诸多角落和许多行业,在金融、电商零售、安防、教育、医疗健康、个人助理、自动驾驶等领域的发展最为瞩目。

根据《全球人工智能发展报告(2016)》数据显示,全球人工智能领域的融资进入了高潮,意味着人工智能领域迎来了发展的黄金阶段。随之而来的,则是在人工智能领域就业机会的井喷增长。

图片来自:全球人工智能发展报告(2016)


那么,如何学习人工智能呢?
事实上,“人工智能”和我们所熟悉的“机器学习”、“深度学习”有着非常紧密的关系:人工智能赋予了机器以人的智慧,机器学习是一种实现人工智能的方式,而深度学习则是实现机器学习的一种技术。

图片来自雷锋网:

对人工智能感兴趣?
想看看自己能否跻身人工智能领域吗?
太阁特邀Google Research的阮博士开办讲座,带领没有深度学习实战经验的同学,一起学习“深度学习TensorFlow”。


讲座内容:

近年来,深度学习在各领域的应用上突飞猛进,也受到大家广泛的瞩目,但如何从零开始?此课程针对没有深度学习实作经验的与会者所举办,希望以从学中做、做中学的方式,让大家快速了解深度学习,并应用到现实工作中会遇到的问题上。此课程主题包含两部分: (1) 介绍深度学习中缺一不可的各种要素,以及 (2) 动手建立你的第一个深度学习模组 。每堂课涵盖的script会开放给学员下载,一方便各位学员实际操作、联系。第一堂课的大纲如下:

大纲:

  1. What is deep learning and what are successful stories?
  2. Why is deep learning different from machine learning and traditional statistics?

  3. What are the essential concepts and skills that a “deep learner” should possess?

  4. Why this class will help you succeed in your technical career (job hunting or starting up your own company, etc)?

  5. Finally we introduce the agenda of DS-401: class contents and project details.

学习目标:

    1. 讲解深度学习基本模型 Feedforward Neural Network (FNN)
    2. 设计、调整并部署 Feedforward Neural Network 所需要的概念及技术
    3. 简介下两堂课内容: FNN, CNN, RNN

具体理论课程安排:
1. 讲解深度学习基本且重要的知识与观念

    • a. Functionality of deep learning
    • b. Important applications of deep learning
    • c. Dataset representation and preprocessing
    • d. Forward evaluation
    • e. Backward propagation
    • f. Training, testing and cross-validation

2. 设计、调整并部署 Feedforward Neural Network 所需要的概念及技术

    • a. Network structure
    • b. Activation function
    • c. Loss function
    • d. Dropout
    • e. Regularization

项目课程安排:

    1. 示范操作 TensorFlow+Keras on iPython
    2. 示范设计第一个 Feedforward Neural Network 模型

嘉宾介绍:

Dr.阮巨城:

卡内基梅隆CE PhD、机器学习硕士,台湾国立清华大学计算机本科。

现就职于 Google Research ,主要工作内容为改良 semi-supervised learning 以及 deep learning 的演算法及效能。

曾就职于 Intel Research(美国),主要工作内容为使用 machine learning 及 data analytics 分析晶片良率。

曾服务于台湾中央研究院,主要工作内容为分析基因序列与data mining。




直播时间:

美西时间 1月13日 周五 7PM-9PM

美东时间 1月13日 周五 10PM-12AM

北京时间 1月14日 周六 11AM-1PM

直播注册链接:

Welcome! You are invited to join a webinar: DS401 深度学习TensorFlow 第一堂课. After registering, you will receive a confirmation email about joining the event.

编辑于 2017-01-14

文章被以下专栏收录