强大导师团队
雷老师:
硕士毕业于清华大学计算机系。曾任职于百度,zmodo。有12年机器学习学术与产品研发经验,在机器学习,深度学习,机器视觉方向有深厚的技术功底与丰富的工程经验。《机器学习与应用》作者,微信公众号主创作者,亲授《机器学习》、《深度学习》并带领导师团队面向同学提供日常答疑和咨询服务,此外负责每一位同学的学习方案制定
颜教授:
上海交通大学教授、博士生导师,为同学们带来学术研究方面的专题分享。
王老师:
本科毕业于北大数学系,中国科学院数学院统计学硕士,普渡大学数学系博士生。在应用数学、机器学习方向有深厚的造诣,曾在知名AI公司从事核心算法的研发。亲授《机器学习的数学基础》
丁老师:
毕业于北航测控系。现任某AI公司技术副总裁,AI软件系统架构师,GitHub百星作者,HackerRank Python板块满分,亲授《AI领域的Python核心编程》、《TensorFlow2.0开发进阶》,累计学习者达三千余人。


学习路径



目标:根据个人基础,补充数学和编程方面的基础

学习内容: 《机器学习的数学基础》、《AI领域的Python核心编程》、《TensorFlow开发》

学习方式:自学 + 导师答疑 + 项目实践

基础预备课
 

目标:结合个人情况和学习目的,定制可行的学习方案

前期准备:个人简历 + 预约时间

方式:导师1对1语音

主要成果:个人定制版学习方案

第一次导师1对1
 

目标:总结上一阶段的学习状况,解决学习过程中的困惑,根据实际情况调整学习方案

前期准备:学习总结+预约时间

方式:导师1对1语音

主要成果:个人学习评估+个人学习方案调整

第二次导师1对1+缓冲期
 




目标:根据个人学习方案,分重点学习《机器学习》相关算法,理解并掌握其原理及推导过程,通过课后作业以及实践项目强化学习效果,通过完成论文阅读任务实现进阶

学习任务:完成导师每周布置的课时学习+课后作业+不定期实践项目+经典论文阅读(视个人学习方案而定)

学习方式:导师带学+导师答疑+直播review

导师带学《机器学习》+实践项目
 

目标:根据个人学习方案,分重点学习《深度学习》相关算法,理解并掌握其原理及推导过程,通过课后作业以及实践项目强化学习效果,通过完成论文阅读任务实现进阶

学习任务:完成导师每周布置的课时学习+课后作业+不定期实践项目+经典论文阅读(视个人学习方案而定)

学习方式:导师带学+导师答疑+直播review

导师带学《深度学习》+实践项目
 




目标:总结导师带学的整体学习进度,根据后续发展目标制定进阶学习方案

前期准备:学习总结+预约时间

方式:导师1对1语音

主要成果:个人学习情况评估+后续进阶方案

第三次导师1对1+缓冲期
 

目标:巩固和深化前几个阶段的学习成果,开始进阶学习

主要成果:解决核心课程中的疑难点问题,优化实践项目结果,完成论文阅读报告

方式:自学复习 + 导师指导 + 导师答疑 + 不定期外援导师补充专题

查漏补缺阶段
 

目标:评测整体学习情况 + 个人规划指导

方式: 导师1对1语音

主要成果:导师根据整个阶段的学习情况,给出工作面试/学术研究等个人规划的咨询和建议

第四次导师1对1
 




服务体系
导师一对一
在学习过程的四个不同阶段提供四次导师一对一服务,对工作或者学术研究进行方向性指导
导师带学
亲自带学《机器学习》、《深度学习》两门核心课程,根据学习方案统一学习进度,每周安排导师直播,进行学习总结和答疑汇总
在线答疑
学习过程中遇到的任何问题都可以提出来,会有专业导师进行6个月的在线答疑,解决你学习中遇到的任何问题与困难
直播复习
导师根据每周的提问情况以及学习情况,在带学阶段安排直播,总结本周学习问题,复习本周学习重点
代码审核指导
每一位同学需要根据自身目标完成4~5个工业级实践项目。平台提供标准数据集和运行环境(深度学习项目配置工业级GPU计算资源),导师亲自指导和评审
编程资源
提供6个月的CPU版实验室 + 3个月工业级GPU版高级实验室,轻松将算法装进浏览器,随时随地完成实践项目
面试指导课
专题课程邀请知名AI公司CTO分享面试细节,包括如何进行面试准备,提供面试资料,简历写作建议等
比赛指导课
专题课程邀请竞赛专家提供比赛入门指导,分析竞赛特征和注意要点,亲自带打一次比赛
论文指导课
专题课程邀请交大教授介绍如何阅读论文、写阅读报告以及分享论文,导师亲自评审论文阅读报告并进行分析


飞跃计划答疑
你将学习到的课程
人工智能的数学基础

基础自学课程

授课老师:普渡大学博士生 王老师 5课时

本课程将带你遍历人工智能学习中需要的数学知识,从微积分,到线性代数,从概率论到统计学,最后是最优化方法,导师带你系统复习数学知识,为后续学习人工智能技术打下坚实基础。通过本课程的学习,真正做到把数学当做一项实用的工具,注重其在AI领域的应用。


AI领域的Python核心编程

基础自学课程

授课老师:知名公司技术副总裁 丁老师 25课时

本课程充分使用了平台的在线编程功能,详细讲解Python基础语法,函数和函数式编程,面向对象开发以及标准库等,让你可以具备独立完成一个机器学习算法的实现,并且可以读懂大部分开源的机器学习算法的代码。


TensorFlow原理与实践

基础自学课程

授课老师:知名公司技术副总裁 丁老师 25课时

本课程从TensorFlow设计目标、基本架构、环境准备和基础概念入手,重点介绍了以数据流图为核心的机器学习编程框架的设计原则与核心实现,结合TensorFlow2.0的新特征,导师结合其丰富的工程经验,深入剖析了TensorFlow运行时核心、通信原理和数据流图计算的原理与实现。


机器学习

带学进阶课程

授课老师:《机器学习与应用》作者 雷老师 31课时

本课程全面系统地讲授机器学习的理论与方法,通过原理实验,模型训练,以及大量的实践项目配合课程清晰地讲解核心算法的原理与应用。将帮你真正理解和掌握算法的原理,并学会算法的实现与应用,为你的学术和产品研发打下坚实的基础。


深度学习

带学进阶课程

授课老师:《机器学习与应用》作者 雷老师 22课时

本课程全面、系统、深入的讲解深度学习技术,包括深度学习算法的起源与发展历史,自动编码器,受限玻尔兹曼机,卷积神经网络,循环神经网络,生成对抗网络等算法的原理、实现以及实际应用。通过本课程的学习,你将对深度学习技术有全面和深刻的掌握,并能运用它解决你的实际问题。


你将完成的项目

用全连接神经网络进行手写字符分类

标准的神经网络是一种有监督的学习算法,是一种非线性模型,它既可以用于分类问题,也可以用于回归问题,天然的支持多分类问题。
本项目使用全连接神经网络算法(MLP) 完成手写数字数据集上的多分类任务,观察不同参数的训练过程以及MLP在不同数据集上的表现

训练HOG+线性SVM目标检测模型

本项目提取每张图片的方向梯度直方图(Histogram of Oriented Gradient, HOG)3780维特征,并采用线性支持向量机(SVM)来进行分类,训练数据来自INRIA Person Dataset,其中正样本为64 * 128的人体图像,负样本为64 * 128的非人体图像

训练AdaBoost目标检测模型

本项目采用AdaBoost算法在opencv上实现人脸、行人、车辆等的目标检测。学会采集不同尺寸的正负样本,比较不同的特征,包括HAAR,HOG,LBP下的精度,学会使用不同的分类器级数。



用GoogLeNet和残差网络实现图像分类

本项目采用GoogLeNet和残差网络两种算法实现图像分类,主要涉及数据加载(读取图片和标签后进行剪裁、加噪声等预处理)、网络构建(inceptionv3/resnet)、模型训练(计算损失、计算梯度、进行变量更新以及呈现最终结果)、在测试集上来评估训练模型的性能

DCGAN 深度卷积生成对抗网络

本项目采用无监督学习方法——深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks)实现,主要涉及数据预处理、网络构建(generator结构、discriminator 结构)、网络训练(定义损失函数)

配套高级版实验室

飞跃计划总计包含21个工业级实践项目,导师根据每一位同学的学习目标推荐完成4个项目,由平台提供配套的云端高级版实验室资源。完善的编程环境、丰富的数据资源、百余项算法原理和应用实验、工业级别的GPU服务器,助力你成为优秀的算法工程师

你将面临的挑战
课程学习每周2~3集
课后习题每周测验
实践项目有deadline
论文阅读阅读报告+分享
作业体系
每周测验30%
实践项目40%
论文报告10%
其它项目20%
评价体系

SIP大礼包
GENIUS 荣誉
奖学金
GENIUS证书
飞跃计划(SIP)福利
优先加入《机器学习与应用》读书群
其它产品八五折、好友九折
学生优惠
助教工作
校园大使

Q & A

更多问题、课程咨询、资料获取,扫码找小编







 课程咨询