¥
支付方式
请使用微信扫一扫 扫描二维码支付
请使用支付宝扫一扫 扫描二维码支付
“AI 领学计划”是什么？
“AI 领学计划”是面向 AI 自学者推出的系列直播课程，难度类似于计算机专业本科二三年级的课程难度。
只要你有一定计算机基础知识、对人工智能感兴趣，那么就不要犹豫了，跟我们一起利用这个暑假“弯道超车”，进行系统化的人工智能学习吧。
每次直播课程都将由基础知识及原理讲解、典型案例分析、动手案例实践和前沿论文分享四个部分组成，以简单生动的案例激发大家的自学兴趣，以全面的 AI 知识体系带领大家明晰学习路径。而且，课程不止是单纯的模块化教学，老师们还会手把手带领大家实践，在动手锻炼中掌握自学方法。
如果你是你对人工智能感兴趣的“小白”，想自学 AI 但苦于没有思路，“AI 领学计划”会详细讲解介绍基础概念，全面提升你的知识体系覆盖，并手把手带你真正进行开发，掌握实践技能。
或许你“入坑”人工智能已久，学习了一定理论知识但是缺少实战机会，那么玩转 AI 技术的机会来啦！你不仅将在这里全面拓展知识面，还能在“AI 领学计划”的带领下通过实际案例发现感兴趣的话题，掌握解决具体问题的方法哦。
下图是本次系列课程的详细课程表，感兴趣的小伙伴请一定不要错过啦~
从数据挖掘到自然语言处理，从计算机视觉到分布式训练平台，本系列课程覆盖了人工智能领域几大热点，通过“原理-案例-实践-前沿拓展”的领学模式助力 AI 自学者。
第一次课程
主题是“大浪淘沙始见金——人工智能如何从海量数据中挖掘规律”，导师们将详细讲解数据科学的基本原理与应用案例，通过实践带你轻松上手，更将有数据分析类论文精读让你对领域前沿有更多了解。
课程开始前，先来了解一下先修要求和课程内容吧~
直播课程将包括以下四部分：
一、基础知识详解-非线性的回归和分类
回归和分类是神经网络的两大功能，在这一部分，老师将从简单的线性问题开始讲解，过渡到非线性问题（只涉及到前馈神经网络），为以后的深度学习打好基础。
二、经典案例介绍-美国人收入预测
本部分，老师将带领大家从美国人收入数据集入手，学习如何做好数据预处理、模型搭建，并比较深度网络与传统机器学习的优劣。
三、动手实践案例-玩转 UCI 心脏病数据集
本部分，老师将手把手带你玩转机器学习经典数据集——UCI 心脏病二分类数据集，教你如何通过数据挖掘判断一个病人是否会得心脏病，内容涵盖数据集介绍、导入、数据探索及可视化、构建随机森林模型和评估模型性能。最后，老师还将介绍机器学习模型的可解释性分析，打破模型黑箱子，让我们更加了解、信赖模型，为每个病人构建精准的诊疗方案。
四、前沿拓展-数据分析类论文精读
本部分，老师将以树模型和集成模型为主线，介绍 bagging，boosting 等方法的原理。
本场授课导师
胡晓武
微软亚洲研究院研发工程师
“AI 金牌教头”
2008 年加入微软，曾工作于微软亚洲工程院、微软 Windows 中国工程院，先后参与必应地图、必应搜索、微软小娜、Windows 10 操作系统等项目开发。创建了九步法深度学习全套教案，即将成书出版。
张少锋
微软亚洲研究院
ARD Incubation 组实习生
“机器学习小迷弟”
kaggle 双银牌，多次数据竞赛 TOP 3，一篇 CCF B 类论文。研究方向包括：对抗样本，GAN，跨模态，数据挖掘，传统机器学习。
张子豪
微软亚洲研究院
ARD Incubation 组实习生
B 站百万 UP 主“同济子豪兄”
B 站 UP 主“同济子豪兄"，累计播放量达八十万。视频涵盖人工智能与大数据分析、机器学习与数据挖掘、深度学习与神经网络、树莓派智能硬件、数据可视化、自然语言处理、计算机视觉、Python 趣味编程等零基础教程。
第二次课程
让我们一起学习“笑语盈盈暗香去——人工智能如何看懂文字”。
本次课上，导师们将详细介绍 RNN 的原理和应用，通过经典论文讲解文本数据分析的典型场景，更将带领大家用 Python 搭建一个基于 RNN 的机器翻译模型。如果你也对 RNN 的原理和应用感兴趣，请一定不要错过本次课程哦！
直播课程将包括以下四部分：
一、基础知识详解-RNN 基础和 LSTM 原理
本部分，老师将介绍 RNN 的发展历史、基本结构和原理，以及目前被广泛使用的 RNN 算法——LSTM，帮助同学们建立对 RNN 的基本概念和认识。
二、经典案例分析-Bot Service
本部分，老师将讲解智能对话系统架构和 NLP 部分基本原理，并详细介绍微软智能对话平台 Dialog Engine。
三、动手实践案例-玩转 Seq2Seq 翻译
本部分，你将在老师的指导下动手搭建经典 encoder-decoder 架构，进行训练和推理，在实践中加深对循环神经网络的理解。
四、经典论文分享-Sequence to Sequence Learning with Neural Networks
本部分，老师将讲解经典 Seq2Seq 模型的基本结构和原理，包括模型在机器翻译、以及其他序列问题中带来的提升和影响，并介绍领域内相关的研究工作。
第三次课程
让我们一起学习“画图省识春风面——人工智能如何看懂图像”。
本次课上，导师们将详细介绍计算机视觉领域的基础知识，通过经典案例讲解 CNN 的基本功能、工作原理和训练过程，更将带领大家用网红深度学习框架搭建图像分类模型。
直播课程将包括以下五部分：
一、基础知识详解-CNN 基础原理
本部分，老师将讲解 CNN 中卷积、池化、激活函数的基本功能和工作原理，为大家进一步理解复杂的卷积神经网络打好基础。
二、经典案例分析-形状颜色识别
计算机视觉中，颜色和形状的识别是对 CNN 最基本的要求。本部分，老师将通过简单的案例来讲解 CNN 的训练过程，让大家了解 CNN 如何识别图像中的形状和颜色。
三、前沿案例分析-人工智能助力肺炎辅助诊断
本部分，老师将带领大家使用微软 Azure 认知服务中的 Custom Vision 服务，对 Kaggle 广州市妇幼保健院的开源肺炎 X 光胸片数据集进行图像分类模型训练，并使用微软亚洲研究院提出的计算机视觉经典模型 ResNet 进行迁移学习和模型可解释分析，打造 AI 影像精准辅助诊断平台“AI 小肺”。
四、动手实践案例-拍照识别物体类别
本部分，你将在老师的带领下以五行代码轻松上手，在网红深度学习框架 Keras 中调用微软亚研经典模型 ResNet 实现图像分类。快来识别你手机相册里的图片吧~
五、计算机视觉综述与经典模型概览-从 AlexNet 到 YOLO
本部分，老师将介绍计算机视觉解决的基本问题，对经典图像分类与目标检测模型进行综述，更将带领学术小白系统性地阅读计算机视觉论文。
第四次课程
本次课上，导师们将详细介绍人工智能平台的基础知识，通过经典案例讲解人工智能平台的基本功能、工作原理，更将手把手带领大家阅读顶会论文，探索如何针对机器学习任务设计全新的平台。这次课程是前三场的融汇与进阶。
直播课程将包括以下三部分：
一、基础知识详解-人工智能平台的原理与实现
本部分，老师将从人工智能平台解决的问题和设计初衷开始讲解，引申到作业与容器 ，最终介绍基本作业调度算法，为大家之后批量自动化进行模型训练和使用好平台打好基础。
二、经典应用分析-OpenPAI 业务定制平台
本部分，老师将介绍人工智能平台在人工智能产品开发和企业管理中的作用，讲解人工智能平台架构以及与企业数据平台的整合，并介绍以 OpenPAI 为基础的 AI Platform 和 Model Bank。
三、人工智能平台系统设计前沿研究
本部分，老师将和大家分享两篇来自微软研究院的顶会论文，分析来自微软大规模生产集群的任务特点，探讨人工智能平台的系统设计。从系统设计角度帮大家了解机器学习任务的特点和需求，以及如何针对机器学习任务设计全新的人工智能平台。
登录
客服1
官方群