AI冬令营：7天免费让你学会使用深度学习技术实现物体识别

什么是深度学习？

2016年基于深度学习的围棋Alpha Go的出现，将人工智能的热潮推向了一个新的高点，在这几年当中，尤其是深度学习的概念几乎等同于了人工智能。

来源：中航鲸技术

深度学习的概念源于人工神经网络，比如：卷积神经网络、循环神经网络等。人工神经网络模拟生物大脑，通过互相连接的神经元组成网络，这些网络可以通过修改神经元之间的连接来学习“经验”特征值，整个隐藏网络层的核心就是保存模型所有的特征值。

来源：中航鲸技术

目前深度学习具有一套丰富的建模框架，用来表达数据内在的丰富关系和结构，直接作用于原始数据，自动逐层做数据特征变换。

这些网络都是通过计算机编程以惊人的速度发生，程序保持着神经网络中数百万单位和数亿的连接，核心的“智能”就源于这些大量元素之间的交互。所以深度学习中的神经网络不是“魔术”，更多是计算机科学与技术。

为什么需要深度学习？

很多年前机器学习很强调“做特征”。但是随着数据的不断累积，有了另外一种选择，就是构建一个足够复杂的可训练系统，让系统自身去完成特征的学习过程。深度学习就可以完成上述过程，它简化了特征工程的难度。

传统的机器学习建模方式所得的曲面（线）复杂度不足，无法用来拟合数据。

来源：CSDN

此外，传统机器学习算法由于可训练参数数量的限制，导致它所能学到的特征有限，在一些情况下可能无法形成足够复杂的曲面，因此它十分依赖特征工程去增加复杂度。而深度学习可以形成足够复杂的曲面用于拟合特征，换一种说法就是深度神经网络具有强大的表达能力。这种特征的习得是以海量数据为基础的。因此在数据量较少时使用深度学习很难得到理想的结果。

如何入门深度学习？

深度学习作为一门学科，需要一定的基础，要想掌握它也需要投入一些时间，但它并没有你想象得那样难以掌握。如果以实现为导向的话，仅需要熟悉一些矩阵、导数的知识就可以完成深度学习的网络搭建工作。这里的搭建指的是不借助任何机器学习库完成的深度学习的网络搭建。这样一来，学习周期自然会比较长，学习过程中也会遇到一些障碍，但并不是难以逾越的。

学习深度学习过程中的一些难点：多维函数和优化；概率论；深度学习中的贪心与动态规划思想。

从函数角度来看，深度学习是一个多维函数的问题。多维函数使用过程中涉及了矩阵（张量）相关计算，是程序实现过程中的难点。概率论相关内容一直是机器学习中最难以理解的部分，但它是基础，必须要掌握。有的时候你甚至都没意识到那是一种贪心策略，最明显的例子就是“梯度下降法”。克服上述障碍之后就可以完整地实现深度神经网络了。

对于深度学习而言，需要系统学习的内容包括：矩阵与函数；最优化理论；概率与统计。

其他补充知识包括但不限于：现代几何；流形；传统算法；高性能计算。

学习过程中尽量以公式角度来理解和看待问题，进而形成一种自洽的理解方式，这是非常重要的。尽量避免使用图形理解与分析问题，因为那样更像是科普而不是学习。

作为初学者经常会遇到以下问题：

上课/聚会，买的视频没时间看，过了课程有效期第一节还没看完（....)

网上视频一大堆，看了半天，实际操作上手却很困难，遇到问题折腾半天也解决不了，越看越焦虑，而且还浪费实际，对学习的信心非常打击

即使你按照自己的计划去合理安排学习时间，但是遇到的问题不能及时解决，没有成就感，而且请教大佬没时间，焦虑（中午问第二天凌晨回复......）

那么该如何入门深度学习呢？

别着急

维识教育科技

“AI冬令营”手把手教你

7天让你学会

使用深度学习技术实现物体识别

最重要的是

纯福利

全免费

授课内容包括

Python基础

深度学习系统平台

全程实战贯穿

理论升华

主要面向

现在或将来希望从事

人工智能、机器学习、深度学习等

算法应用、研究专业与岗位

或者希望申请美国、欧洲相关院校AI方向学位的同学

学会物体识别可以做什么？

人脸识别

计数

可视化搜索引擎

航空影像分析

怎么参与？

很简单！

扫描下方活动海报二维码

进入活动登记报名页面

提交报名申请即可

2019年7月8日，维识教育科技针对来自华中科技大学、武汉大学、武汉理工大学、中南财经政法大学、华中农业大学、武汉轻工大学、武汉工程大学不同年级、不同专业、不同研究领域的25名高校本科、硕士、博士生，开办了关于学习“人工智能及机器人技术应用”的AI暑期训练营。

通过本次集中学习，参训学员巩固了C++、变量、函数、数组与指针等知识基础；学会了Eigen/OpenCV的配置与使用、机器人正/逆运动学求解与机械手臂模型建立；掌握了机器人全局路径规划以及D/Astar/RRT等算法的应用，并基于所学算法对智能机器人七轴机械臂与移动运动底盘进行了运动规划实操。整个训练课程可谓干货满满，同学们也是收获颇丰！