请收藏这份 AI 自学者精选“课单”

2020-02-26 | 作者:微软亚洲研究院

编程:只会 Python ;
数学:只会微积分、线性代数、统计和概率;
计算机:一无所知;
却想要自学 AI ?

没问题!

人工智能、机器学习、深度学习是计算机科学中关系匪浅的三兄弟,也是当下炽手可热的研究方向。我们精选了三期线上开放课程,添加到这份 AI 自学者“课单”中,它们也都是教育部-微软产学合作协同育人项目的精品成果。没有网课点名,也没有摄像头监督,但想要自学提升的你,一定已经在摩拳擦掌了!



课程简介:跨越人工智能几十年的发展,机器学习是人工智能的重要组成与技术基础,深度学习的崛起则标志着机器学习已经迈出实验室的大门。已经掌握了传统的机器学习理论的你,可以在这门课中探索机器学习的高级阶段——深度学习算法——最近几年在自然语言处理、语音识别、图像处理等领域的突破应用。课程将用人脸识别、目标检测、情感识别、股票走势预测等浅显的例子,解构其背后典型的难懂算法,如卷积算法、循环神经网络算法、生成对抗算法、注意力机制、强化学习等。



课程配套案例 1 :城市声音分类声音分类在很多场景中都有大模型的应用,例如对音乐的分类可以应用于音乐检索和音乐推荐;对人声的分类可以应用于身份识别(声纹识别)、智能家居。如果能对城市中随机出现的声音进行正确的分类,那么可以及时应对突发情况,做出预警、采取相应措施(例如在检测到警笛声后可以自动调整红绿灯为应急车辆提供道路方便等等)。本实验使用 Microsoft Visual Studio、VS Tools for AI 等组件,涉及 TensorFlow、NumPy、Pandas、Sklearn 等框架和库,以及 NVIDIA GPU 驱动、CUDA 和 cuDNN 等。此外,还有 TensorFlow 上的机器学习实战案例 10 多个。

课程配套案例 2 :电商商品推荐利用 Microsoft Azure Machine Learning Studio 实现,将搜集到的用户行为数据进行预处理,将用户对某一商品的行为转化成用户和商品之间的密切程度(评分),用数字来衡量,形成一个用户对商品的评分系数矩阵,结合用户属性和商品属性,使用 MatchBox 模型(基于内容的协同过滤模型)来对用户对商品的评分或对相同物品打分的其他用户进行训练,从而预测用户与某些商品可能高度密切,对用户做出个性化推荐。

课程配套案例 3 :图像超分辨率以 CV 领域一个热门的话题—图像超分辨率作为主题,使用 CelebA 数据集作为实验数据,在一系列数据预处理的基础上,通过构建以 GAN 为基础的 CNN、GAN 和 ResNet 的混合模型作为超分辨率模型实现。


主讲人



2018 年开办的课程“基于 Visual Studio Tools for AI 的高级机器学习课程”参与微软亚洲研究院-教育部产学合作协同育人项目,立项并获得资助。主要负责本科生和各类研究生大数据核心技术和商务数据分析、机器学习等课程的教学,被评为教育部在线教育研究中心“智慧教学之星”。目前主要研究方向包括商务数据分析、机器学习和大数据分析等。主持国家自然科学基金 2 项以及上海市浦江人才以及企业合作课题等 30 多项项目。已在Knowledge and Information Systems, Information Processing & Management 等国内外刊物和学术会议发表论文 100 多篇。出版著作《智能化的流程管理》以及教材《机器学习》《机器学习案例实战》《 Python 机器学习实战案例》等 10 多部。获得上海市 2015 年上海市科技进步二等奖。

课程地址:https://www.icourse163.org/course/FUDAN-1205806833

课程简介:基于“智能驾驶环境感知”这一实践切面,带领你向“深度学习”的纵深探索。相比枯燥的理论堆砌,这门课程更重视“做中学”(Learning by doing),适合乐于上手实操的你!“老司机”将带领你在 Visual Studio IDE 上,利用开源软件 opencv ,进行数字图像处理、计算机视觉、机器人视觉技术等实践,并且进一步通过微软人工智能工具和 Azure 云服务,进行环境感知中目标检测与识别的案例学习。在动手过程中学习图像处理、计算机视觉的理论和算法,并熟悉深度学习的基本知识,为将人工智能的理论应用于实践打下良好的基础。

主讲人



博士毕业于中国科学院大学,先后在中科院声学所青岛分所暨北海研究站、湖北汽车工业学院工作,并在哈尔滨工程大学从事博士后工作,历任电子信息系副主任、《智能科学与技术》专业负责人。主要研究方向为自主无人系统、人工智能、水声物理与信号处理等。主持或参与教育部-微软亚洲研究院产学合作及横向课题、973、国防预研、国家自然科学基金等 10 多项科研项目,发表论文 20 余篇,并有多项发明专利。当前主要承担本科生《机器人视觉》、《人工智能与机器学习》、《汽车结构与智能驾驶》等多门课程的教学任务。

课程地址:https://github.com/gjy2poincare/RobotVision

课程简介:人工智能是什么?我们身边有哪些人工智能?这门通识课程并不会止步于回答这两个简单的问题。家庭助手、机器翻译、图像识别、下棋高手……用横跨民生、体育、交通、医疗、金融各大领域的通识案例带你全方位了解人工智能在我们身边的实际应用。用大历史观的眼光带你俯瞰人工智能的发展历程。用富有人文关怀的视角分析人工智能背后基于神经网络的智能系统……这门人工智能通识课程的目标不仅是带领新手入坑,更是致力于为新手未来的进阶之路铺好台阶

主讲人



获得北京大学计算机科学技术系学士、硕士和博士学位。近三年来荣获北京大学首届教学卓越奖,另获北京市高等教育教学成果二等奖及日内瓦国际发明展银奖等 10 项教学奖项。主要研究方向为虚拟地理环境和空间信息分布式计算,主持并参与多项国家自然科学基金、863、973、国家科技支撑计划及国家重点研发计划项目课题。想更多了解陈老师,请阅读 励耘纪 | 北大陈斌:汲取科学灵光,温养教学魅力

学习者评价:“从人工智能到各个领域的应用,以及人工智能的发展历史,老师都做了详细的讲解概括。”“精彩的是中间请到了很多微软亚洲研究院的大人物,我们这代年轻人也要为扛起人工智能大旗而努力奋斗!”

课程地址:https://www.icourse163.org/course/PKU-1003471009


希望这三期“编辑之选”课程能帮助你快速开启线上“人工智能”学习~在基于 GitHub 平台的 微软人工智能教育与学习共建社区 中,微软与合作高校教师分享了大量高质量的教学案例、教学大纲和课件、开发工具与环境等,陈斌老师的《人工智能与信息社会》的教学大纲、赵卫东老师的《城市声音分类》案例也可以在这里找到。

标签