【资源总结】“十大深度学习方向” 专栏

文章首发于微信公众号《与有三学AI》

【资源总结】“十大深度学习方向” 专栏上线

今天给大家介绍一下我们拥有的知乎十大深度学习专栏,涵盖了深度学习的各个主流的方向

 

01 人脸图像

专栏地址:https://zhuanlan.zhihu.com/c_1005854533687406592

在所有的图像中,没有哪一类图像能够像人脸图像一样应用如此广泛,涵盖人脸检测,关键点检测,表情颜值年龄性别等识别,人脸美容,风格化,三维人脸重建等等各大应用领域。

有三曾经开设过一门《深度学习人脸图像算法》的课程,感兴趣的可以去翻看我们以前的文章。

文章案例如下:

如何降低遮挡对人脸识别的影响

 

02 深度学习框架

专栏地址:https://zhuanlan.zhihu.com/c_1005857083643764736

所谓工欲善其事必先利其器,深度学习的快速发展以及在工业界和学术界的迅速流行,离不开三个要素:数据,硬件和框架。

深度学习框架是深度学习的工具,在这里我们会一起系统性学习所有主流的深度学习框架。

文章案例如下:

【github干货】主流深度学习开源框架从入门到熟练

 

03 深度学习模型优化

专栏地址:https://zhuanlan.zhihu.com/c_1005865351275573248

深度学习的发展史,从某种程度上来说,就是模型的发展史。在这里,我们会介绍经典的模型设计与优化相关的所有东西,同时对解读一些优质代码。

文章案例如下:

【技术综述】万字长文详解Faster RCNN源代码

 

04 深度学习中的数据

专栏地址:https://zhuanlan.zhihu.com/c_1053248334692737024

前面说到深度学习的快速发展以及在工业界和学术界的迅速流行, 离不开三个要素:数据,硬件和框架。

数据是深度学习系统的输入,对深度学习的发展起着至关重要的作用,但是又容易被很多人忽视,尤其是缺少实战的业余人士。

关于深度学习中的数据集,目前缺乏系统性的介绍资料,因此我在这里给大家系统性地介绍深度学习中的数据集,从数据与深度学习的关系,重要方向的数据集,数据的增强方法以及数据标注和整理等方面进行讲述。

文章案例如下:

【技术综述】一文道尽“人脸数据集”

 

05 传统图像算法

专栏地址:https://zhuanlan.zhihu.com/c_1052966141386862592

对于大多数人来说,深度学习的门槛太低了,仿佛是无脑调参与使用,但那是因为传统图像算法基础,数学基础,编程水平薄弱。

尽管如今深度学习在大部分图像领域的任务中占据主流位置,但是传统图像算法依然不可或缺,而且随着从业者的增加,会越来越成为拉开水平差距的一个衡量基准。

文章案例如下:

【技术综述】一文道尽传统图像降噪方法

 

06 GANs

专栏地址:https://zhuanlan.zhihu.com/c_155535936

有监督的深度学习被研究的够久了,无监督的深度学习才是未来。因此,我在这里会给大家详细介绍GANs的前世今生,实战GAN的各大研究领域。

文章案例如下:

【技术综述】有三说GANs(上)

 

07 深度学习与摄影

专栏地址:https://zhuanlan.zhihu.com/c_155535936

认识我的人都知道,有三还是一个摄影爱好者,所以我一直在关注这个方向,也写了不少相关的文章。

深度学习与摄影,或者说美学,是一个交叉学科,涉及的技术已经涵盖了主流的所有图像算法,包括滤波降噪,分类分割,检测等。

文章案例如下:

【技术综述】深度学习自动构图研究报告

 

08 AI基础

专栏地址:https://zhuanlan.zhihu.com/c_1056864415533572096/settings

来学习的小伙伴们基础都不同,有的小伙伴还是刚开始,所以我们要等等大家,设立了一个AI基础专栏,将讲述linux,python,c++等基础知识。

文章案例如下:

【AI基础】OpenCV,PIL,Skimage你pick谁

 

09 行业与职业发展

专栏地址:https://zhuanlan.zhihu.com/c_1006145184442277888

最后,想要从事这一行业,当然要深入了解这个领域,所以我们也给大家准备了一个专栏。

在这里,我们剖析各大企业的核心技术与就业情况,行业的发展。

文章案例如下:

【学习求职必备】微软亚洲研究院和它的10大AI黑科技

 

10 有三AI学院

最后,是以上所有专栏的合集,基本上所有文章都会收录。

怎么一次性找到所有这些方向的资料呢?行不更名坐不改姓,搜索知乎“龙鹏”,翻阅相关专栏,或者扫码吧。

感谢各位看官的耐心阅读,不足之处希望多多指教。后续内容将会不定期奉上,欢迎大家关注有三公众号 有三AI

 

 

 

  • 1
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
引用:本专栏适用人群是深度学习初学者和刚接触时间序列的用户,旨在讲解如何快速搭建深度学习模型并使用自己的数据集进行时间序列预测。 引用:最近很多用户私信咨询基于深度学习实现时间序列的相关问题,为了更清晰地说明,建立了本专栏记录基于深度学习的时间序列预测方法,帮助零基础用户轻松入门。 引用:基于深度学习的溶解氧时间序列预测模型的Python源码提供了一个数据集。该资源适合计算机相关专业的学生使用,可以帮助他们学习如何使用深度学习方法进行时间序列预测。 数据集序列化深度学习是指将数据集转化为适合深度学习模型输入的形式。在时间序列预测中,数据集通常是一个有序的序列,每个数据点包含了时间和对应的数值。为了使深度学习模型能够处理这样的序列数据,需要对数据集进行序列化处理。一种常见的序列化方法是使用滑动窗口,即将连续的一段时间窗口内的数据作为输入,预测下一个时间步的数值。通过这种方式,可以将时间序列数据转化为适合深度学习模型训练的输入和输出形式。 另一种常见的序列化方法是使用循环神经网络(RNN)或长短期记忆(LSTM)网络来处理时间序列数据。这些网络可以自动学习时间序列数据中的模式和趋势,并用于预测未来的数值。通过将时间序列数据输入到RNN或LSTM网络中,可以利用网络的记忆性质来捕捉数据的时间依赖性,从而进行时间序列预测。 综上所述,数据集序列化深度学习是将时间序列数据转化为适合深度学习模型输入的形式,常见的方法包括滑动窗口和使用RNN或LSTM网络。这些方法可以帮助我们更好地利用时间序列数据进行预测和分析。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [【深度学习时间序列预测案例】零基础入门经典深度学习时间序列预测项目实战(附代码+数据集+原理介绍)](https://blog.csdn.net/m0_47256162/article/details/128585814)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *3* [基于深度学习的溶解氧时间序列预测模型python源码+数据集.zip](https://download.csdn.net/download/DeepLearning_/88195960)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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

打赏作者

言有三

三人行必有AI

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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