AI最顶级大牛中国授课:GMIC AI公开课优惠抢票进行中!| 媒体合作

640?wx_fmt=png&wxfrom=5&wx_lazy=1

点击上方蓝字 关注网易智能

为你解读AI领域大公司大事件,新观点新应用


近日,教育部为落实《国务院关于印发新一代人工智能发展规划的通知》,正式发布了《高等学校人工智能创新行动计划》。《计划》中称,到 2020 年建设 100 个“AI+X”复合特色专业,推动重要方向的教材和在线开放课程建设,建设 50 门人工智能领域国家级精品在线开放课程。

 

智能菌想说,再不学AI,你就真的OUT啦!

 

如果你想学习AI课程,智能菌现在就向大家推荐一个顶级课程——GMIC人工智能公开课,课程将于2018年4月26日至27日重磅回归!

 

来自Facebook、英伟达、埃森哲、Cortica、卡内基梅隆大学等全球顶尖数据科学家和人工智能工程师将带来高质量的人工智能技术讲座和实训类课程,涵盖深度学习、认知学习、自动驾驶、自然语言处理等多个课题。

 

其中,人工智能界的泰斗级人物——Michael I. Jordan将专门从美国飞到中国讲课!他是美国国家科学院院士、美国国家工程院院士以及美国艺术与科学院院士,身居三院院士。自1988年到1998年,Michael I. Jordan在麻省理工学院(MIT)任教授,也是美国加州大学伯克利分校 Pehong Chen 特聘教授,担任大数据实验室(AMPLab)共同主任、统计人工智能实验室(SAIL)主任、统计系系主任。

 

Jordan教授被Semantic Scholar钦定为计算机科学领域最具影响力学者,他的很多作品都堪称开山之作。而且深度学习的两大金刚Yoshua Bengio和吴恩达(Andrew Ng)都是他的学生,Jordan也因此被称为“机器学习之父”。

 

640?wx_fmt=png

课程时间

640?wx_fmt=png

4月26-27日

 

课程适宜人群:工程师、架构师、CTO及相关技术人员。

 

640?wx_fmt=png640?wx_fmt=png

640?wx_fmt=png


640?wx_fmt=png

购票指南

640?wx_fmt=png


讲座&培训课通票价格:3500元


优惠通道:关注网易智能公众号(ID:smartman163),回复“公开课优惠”即可获得“GMIC人工智能公开课”网易智能用户专属75折优惠!


网易智能

聚焦AI 读懂下一个大时代

长按扫码关注我们

640?wx_fmt=jpeg

加入社群


AI社群(AI专家群、AI黑板报)火热招募中,欢迎对AI感兴趣的小伙伴,添加小助手微信 kaiwu_club,说明身份即可加入。


往期精华


人物专访  沈向洋 | 于尔根 | 洪小文 | 李德毅 | 尤瓦尔 | 哈萨比斯 | 宋继强 | 杨强 | 余凯 | 邓志东 | 芮勇 | 戴文渊 | 石博盟 | 韦东 | 黄学东


行业特稿  抢滩智能音箱(上) | 抢滩智能音箱(下) | 自动驾驶行业素描(上) | 自动驾驶行业素描(下) | 机器翻译技术与应用


重磅报告  麦肯锡(二) | AlphaBeta & ABC | 埃森哲 |  英国政府 | Internet Society | Forrester | VertoAnalytics 麦肯锡(一) | 苹果公司 | 耶鲁大学 

640?wx_fmt=jpeg


深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值