专栏名称: 算法与数学之美
从生活中挖掘数学之美,在实践中体验算法之奇,魅力旅程,从此开始!
目录
相关文章推荐
九章算法  ·  码农躺赢法:junior码农,最好的消息~ ·  2 天前  
九章算法  ·  6个月内,北美tech类岗位开始集体迁移! ·  6 天前  
九章算法  ·  Chrome,变天了! ·  6 天前  
51好读  ›  专栏  ›  算法与数学之美

具备什么样的能力,才能在人工智能企业中获得一席之地

算法与数学之美  · 公众号  · 算法  · 2018-04-27 22:19

正文

教育部最近印发《高等学校人工智能创新行动计划》,要求推进“新工科”建设,形成“人工智能+X”复合专业培养新模式,到2020年建设100个“人工智能+X”复合特色专业、建立50家人工智能学院、研究院或交叉研究中心。据不完全统计,时至今日,中国科学院大学、西安电子科技大学、重庆邮电大学、南京大学、湖南工业大学、长春理工大学、北京航空航天大学宣布建设人工智能学院。


高校人工智能人才输出,远少于求

越来越多的高校紧跟先行者步伐,在人工智能人才培养上争相“布局”。其主要原因在于:人工智能已上升为国家战略,而人工智能时代最缺的就是人才。对这个行业来说,你有多好的人才,才可能有多好的人工智能。所以为了抢占人工智能制高点,高校就必须建立相关学院来保证人才的批量化输出。

我国人工智能的人才缺口超过500万,供求比例仅为1:10。然而,人工智能学院从成立到稳定的人才产出,通常需要5-7年的时间,因此依靠成立人工智能学院解决不了燃眉之急,更多地在于长远布局。


人工智能企业需要什么样的人才

当下,以计算机视觉、语音识别、自然语言处理为核心技术的企业居多,而计算机视觉、语音识别等主流技术是深度学习,这种现状进一步导致深度学习算法工程师供远小于求。由于其稀缺性,导致人才薪酬一路飙升。

根据2018年就业市场的一项调查结果,AI方向的应届硕博毕业生,最高年薪可达50万至70万元。BAT、美团、滴滴、今日头条以及国内人工智能领军企业商汤、旷视科技等巨头都在重金招聘相关的人才。

企业高薪招募的人才,需要具备在某个领域具有较完备的垂直知识体系,面对新问题具备举一反三的能力。而知识体系恰恰是无法通过短时间的培训,就可以搭建起来的,它需要长期的积累和不断的实践探索,一点一点地悟。这也就是人工智能领域研究生可以轻松拿到30万乃至50万年薪的原因。

专注于人工智能在线教育的深蓝学院,联合中科院自动化所博士团队以及知名AI企业算法工程师,成立深度学习教研室,联合推出第4期『深度学习:从理论到实践』在线直播课程。课程偏向基础入门,在详细讲述深度学习理论的同时,通过场景分割、行为识别两大实践任务,熟悉深度学习模型解决实际问题的流程,掌握深度学习训练以及实战中的技巧(本次课程不直接面向就业)。同时,根据学员的实际学习情况以及知识背景,后续给予定制化地自学或者培训建议。


课程特色


1.   在线直播授课,微信群长期实时答疑;

2.    课件、资料和代码,均提前公开;

3.    精心设计课后作业,并批改评分;

4.    评选优秀学员,推荐实习就业。


课程目录


一、 深度学习理论(6学时)

  1. 前馈神经网络

      1.1 概述

      1.2 单层神经网络

      1.3 多层神经网络

   2. 卷积神经网络

      2.1 基本概念

      2.2 发展历程

      2.3 网络特点

      2.4 网络设置

      2.5 网络训练以及相关应用

二、 实践:基于深度网络的场景分割(6学时)

   3. 深度学习框架Caffe入门

      3.1 Caffe简介

      3.2 安装和配置

      3.3 优点与局限性分析

      3.4 Caffe调试

   4. 场景分割介绍及传统方法概述
     
4.1 场景分割背景介绍
      4.2 传统方法介绍
        (1)分水岭算法
        (2)基于图论的图像分割
        (3)马尔科夫随机场与条件随机场
      4.3 传统场景分割代码实践
      4.4 经典深度场景分类网络介绍及CNN

            网络设计潜规则

   5. 基于深度网络的场景分割方法概述与实践
      5.1 从深度场景分类到场景分割
      5.2 主流方法介绍:从FCN到Mask-RCNN
      5.3 场景分割网络设计: 从数据层到损失层
      5.4 代码实践:从训练到测试
      5.5 深度场景分割方法与传统方法对比

三、 深度学习常见模型与Keras实践(4学时)

   6. 深度残差网络和Highway网络

      6.1 Keras简介与安装配置

      6.2 传统深度神经网络的局限性

      6.3 从Highway到ResNet到DenseNet

      6.4 Keras代码实践

        (1)Keras实现全连接网络、卷积网络等

                 基础网络

        (2)Keras实现Highway层

        (3)Keras实现残差网络

     习题:DenseNet来解决图像分类问题实践

   7. 自动编码器与GAN

      7.1 深度无监督学习知识回顾

      7.2 自动编码器及其变种

      7.3 从自动编码器到生成对抗网络

      7.4 Keras代码实践

        (1)Keras实现自动编码器、稀疏自动编码

                 器等基础算法

        (2)Keras实现生成对抗网络

        (3)Keras实现条件GAN

    习题:去噪自动编码器来解决图像去噪问题实践

四、实践:基于深度网络的行为识别(4学时)

   8. 行为识别概述与传统方法实践

      8.1 问题描述及研究意义

      8.2 发展脉络及主要研究组

      8.3 传统行为识别方法

        (1)时空特征提取

        (2)时空特征编码

        (3)动作识别算法

      8.4 代码实践:传统行为识别方法

      8.5 深度网络行为识别引入及讨论

   9. 基于深度网络的方法概述与实践

      9.1 深度网络行为识别方法综述

      9.2 基于三维时空网络的行为识别方法

      9.3 基于双流时空网络的行为识别方法

      9.4 数据集介绍及参数分析

      9.5 代码实践:深度网络主流算法

      9.6 主流方法与传统方法的对比


讲师介绍


宫博:资深算法工程师,中国科学院自动化研究所博士,在计算机视觉与人工智能领域具有近六年的研究经历。攻读博士学位期间主要研究方向是模式识别与图像处理,团队成员在领域顶级会议期刊 ICCV、TNNLS、TIP等发表论文20多篇,参加全国视频图像分析技术挑战赛,获得目标检测识别第二名,熟练掌握并应用深度学习Keras框架和Caffe框架。目前主要负责计算机视觉与人工智能方面的算法研发工作。


奖学金计划




课程时间


1.  5月6日-6月10日,每周末晚7点-9点;

   2.  课程限报 300 人,报满为止;

3 200名报名者赠送『Python基础入门』课程,详情咨询深蓝学院助教。


报名方式


添加工作人员「深蓝学院助教宇轩微信,备注“深度学习”,领取100元优惠券。

微信号:shenlanedu