不知不觉已经和小伙伴一起努力了一个多月啦。上周日第四次课程结束之后,王老师就把fastai的课程体系讲解的差不多了。
5月26日,也就是这周日,我们将在清华数据科学研究院开启了北京School of AI的第五次课程。这次课程也是知识点讲解的最后一次课程。
这次课程在知识点讲解完之后,也会给大家布置一个大的结业项目,两周的时间做作业,然后进行答辩。
如果答辩合格,给大家发放证书。
所以说,最后一次课程咯,请大家做到有始有终,务必到场。
错过前几次直播的同学,不用担心跟不上节奏,直播回放链接啥的都妥妥的给你整理好了~
第一次课程:
https://dwz.cn/zaf0eqP8
第二次课程:
https://dwz.cn/BGOfHzWC
第三次课程:
https://dwz.cn/QRUVuBRe
第四次课程:
https://dwz.cn/TbkCp6e6
School of AI是油管最火机器学习up主Siraj Raval创办的全球机器学习学习社区。他非常认可机器学习的”自学“模式,他认为,通过有效的继续教育,以及实际练手,完全可以具备科班教育的水平。也在这一执念下,他在三年前创建了自己的非盈利教育社区——AI学校(School of AI),倡导用“非正式”学习打败传统的教育体制,花最小的成本获得最大的价值。
Siraj很用心的亲自为所有的城市的组织者提供了完整的教程,力求让每一个同学都能接受最新、最有价值的AI内容。
目前,这一社区已经在全球80多个国家的400座城市落地,免费为热爱人工智能的“外行人”提供进入这个领域的机会。
上周天,School of AI的第四次课程已经开启。课程进行了两个多小时,在老师讲解的过程中,现场同学可以随时打断并提出自己的疑问,气氛非!常!好!
在第一次课程中,北京School of AI的两位创始Dean也来到了现场,为大家介绍了School of AI的创始目标和这次课程的内容。
第一课主要讲了School of AI相关介绍以及fastai介绍,课程内容,如何使用fastai平台,论坛,和文档等资源;另外,Python, Jupyter, Git, 数学基础(线性代数,微积分,最优化等)。
第二次课程简要介绍fastai第1课的所有必要资源:图像分类,以及如何获取fastai的资源-30分钟。确保每个人都了解课程结构和官方资源。
第三次课程首先花了50分钟对第二课的知识点进行了回顾,让同学们不会捡了芝麻,丢了西瓜。除此之外,进行了机器学习专题讲座,在宏观上帮同学们建立了机器学习的体系。也留出了一部分时间对现场同学学习过程的疑惑进行了解答。
第四次课程,同样先对第三次课的内容进行了回顾。然后对神经网络的相关知识点进行了讲解,包括梯度下降、传统神经网络以及卷积神经网络的结构。
没有参加前四次课程的同学也完全不用担心,毕竟这门课程以自学为主,课上更多的是交流、展示。从这次开始跟上,然后由小组帮助完成大项目完全没有问题。
时间:5月26日 星期日 下午5点
地点:双清路77号院双清大厦4号楼4层清华数据科学研究院。
课程安排:介绍RNN的定义与结构,以及在工业界的使用情况。然后对NLP进行讲解,并手把手教你打造出一只聊天机器人。知识点讲解完之后,到现场的同学随机抽签,挑选作业项目,然后等待两个星期之后的答辩。
总体来说,课上时间安排如下:
对上次课程内容的回顾,包括神经网络、反向传播、梯度下降等概念。
导师分享环节,对RNN与NLP等知识点和聊天机器人案例进行讲解
自由问答。
相关课前预习资料拿好哦?
fast.ai速成课:
https://course.fast.ai/videos/?lesson=1
项目主页(汇总优秀的学习资料,持续更新):
https://wqw547243068.github.io/school-of-ai-beijing/
手写数字识别,3D体验Demo:
http://scs.ryerson.ca/~aharley/vis/conv/
更多demo案例:
https://wqw547243068.github.io/demo/
谷歌机器学习速成课:
https://developers.google.cn/machine-learning/crash-course/
PS:即使不太了解Python,您也可以运行第课中的所有代码行,这将激励你去研究细节。(最终你需要了解自行车的机械才能够骑它吗?)。如果您在某个问题上确实无法解决,欢迎在微信组或以下网址提出任何问题:
https://forums.fast.ai/t/school-of-ai-beijing-study-group/43436。