推荐 | 出身于中科院与360AI研究院的大佬编著,超500篇AI纯原创系统性学习文章...

微信公众号

今天给大家推荐一个微信公众号《有三AI》,堪称AI方向,尤其是计算机视觉方向的干货集中营,内容非常的丰富,已经原创发表500多篇系统性的原创高质量AI领域文章,100多万字,共将近30个技术专栏(覆盖AI工程师成长之路,深度学习模型架构与训练,技术综述,数据理解和使用,NLP,强化学习,AutoML,GAN,服务端和移动端开源框架,AI产品,AI大咖等)。同时,还有小程序平台,开源GitHub项目,AI教材,文化产品等。

公众号主言有三

言有三,本科毕业于华中科技大学,硕士毕业于中国科学院,先后就职于奇虎360人工智能研究院,陌陌深度学习实验室,在计算机视觉领域已经有6年多从业和学习经历,熟悉传统图像算法和深度学习算法,图书《深度学习之图像识别实战:核心技术与案例》作者

公众号特点

公众号有三AI的主旨就是:三人行必有AI。公众号有三AI的原则就是:只做原创,不发广告,不追热点。可以阅读作者的自述如下:

【杂谈】为什么有三AI自断财路,从来不接广告

【杂谈】为何有三AI只做原创,从不转载

【杂谈】为什么我们从来不追热点,循序渐进学习它不好吗?

公众号主要关注深度学习基础技术,计算机视觉应用,自然语言处理应用等方向。关于该公众号的创办初衷,生态完整介绍,大家可以参考号主自述,一周年介绍和2019年的年终总结,点击下方图片跳转。

公众号技术内容

公众号的内容非常丰富,共将近30个技术专栏,概览如下:

具有代表性的系列包括:

1 AI修行之路。经过多年经验以及参考若干资料独创一条初学者的学习路线,以计算机视觉领域为例,粗分为:白身,初识,不惑,有识,不可知5个境界,讲述从编程,图像基础到深度学习理论和实践,一步一步晋升。目前已经更新到了不惑境界,近期的总结如下:

【完结】深度学习CV算法工程师从入门到初级面试有多远,大概是25篇文章的距离

【AI不惑境】数据压榨有多狠,人工智能就有多成功

【AI不惑境】网络深度对深度学习模型性能有什么影响?

【AI不惑境】网络的宽度如何影响深度学习模型的性能?

【AI不惑境】学习率和batchsize如何影响模型的性能?

【AI不惑境】残差网络的前世今生与原理

【AI不惑境】移动端高效网络,卷积拆分和分组的精髓

【AI不惑境】深度学习中的多尺度模型设计

【AI不惑境】计算机视觉中注意力机制原理及其模型发展和应用

2 技术综述。对计算机视觉或者深度学习的一些研究方向进行深入全面的解读,几个代表性文章如下:

【技术综述】闲聊图像分割这件事儿

【技术综述】你真的了解图像分类吗?

【技术综述】万字长文详解Faster RCNN源代码

【技术综述】“看透”神经网络

【技术综述】一文道尽“人脸数据集”

【技术综述】多标签图像分类综述

【技术综述】基于弱监督深度学习的图像分割方法综述

【技术综述】一文道尽传统图像降噪方法

【技术综述】深度学习在自然语言处理中的应用发展史

【技术综述】视频分类/行为识别研究综述,从数据集到方法

【技术综述】一文道尽softmax loss及其变种

【杂谈】有三AI不得不看的技术综述(超过100篇核心干货)

3 开源框架。覆盖caffe,tensorflow,pytorch,mxnet等十二个训练框架以及移动端部署框架。每一个开源框架,从简介,到数据的处理,模型的自定义,模型的训练,结果的可视化,模型的测试等进行讲述,麻雀虽小,五脏俱全,一篇总结性质的文章如下:

【完结】给新手的12大深度学习开源框架快速入门项目

【完结】TensorFlow2.0 快速上手手册

【移动端DL框架】当前主流的移动端深度学习框架一览

4 数据理解。覆盖各个领域数据集的介绍,数据整理与获取,数据增强,数据可视化等,总结性质的文章如下:

【技术综述】一文道尽“人脸数据集”

【技术综述】深度学习中的数据增强方法都有哪些?

【知识星球】数据集板块重磅发布,海量数据集介绍与下载

5 深度学习模型。对深度学习中的各类模型的结构进行剖析,对其适用的场景进行分析,总结性质的文章如下:

【杂谈】为了让大家学好深度学习模型设计和优化,有三AI都做了什么

【总结】言有三&阿里天池深度学习模型设计直播汇总,附赠超过200页直播PPT课件

【完结】总结12大CNN主流模型架构设计思想

【完结】12篇文章带你逛遍主流分割网络

6 深度学习理论。细致地讲述深度学习中的基础理论,让大家更深刻的理解原理,跟踪前沿的发展,激发思考,一篇总结性质的文章如下:

【完结】12篇文章告诉你深度学习理论应该学到什么水平

7 模型训练。总结深度学习模型训练技巧,从手动调参到自动调参,代表性文章如下:

【模型训练】SGD的那些变种,真的比SGD强吗

【模型训练】如何选择最适合你的学习率变更策略

8 生成对抗网络。讲述生成对抗网络GAN的优化相关的技术和实战,代表文章如下:

【完结】12篇GAN的优化文章大盘点,浓浓的数学味儿

【杂谈】如何系统性地学习生成对抗网络GAN

9 强化学习与AutoML。讲述强化学习与AutoML相关的技术,代表文章如下:

【强化学习】强化学习专栏上线,60多篇文章等你follow

【强化学习】数据科学,从计算到推理

【强化学习】从强化学习基础概念开始

【AutoML】AutoML专栏上线,跟Google一起见证调参党的末日?

【AutoML】如何选择最合适的数据增强操作

【AutoML】激活函数如何进行自动学习和配置

【AutoML】归一化(Normalization)方法如何进行自动学习和配置

【AutoML】优化方法可以进行自动搜索学习吗?

【AutoML】损失函数也可以进行自动搜索学习吗?

【AutoML】如何使用强化学习进行模型剪枝?

【AutoML】强化学习如何用于模型量化?

10 计算机视觉领域核心技术。讲述计算机视觉领域相关的理论技术和实战,代表性文章如下:

【年终总结】有三AI至今在人脸图像算法领域都分享了哪些内容?

【完结】16篇图像分类干货文章总结,从理论到实践全流程大盘点!

11 自然语言处理领域核心技术。讲述自然语言处理相关的理论技术和实战,代表性文章如下:

【年终总结】2019年有三AI NLP做了什么,明年要做什么?

【完结】 12篇文章带你完全进入NLP领域,掌握核心技术

12 AI-1000问。串讲AI技术中的一些非常小而重要,但是又容易被人忽视的问题,以实现知识的查漏补全,一篇总结性质的文章如下:

【完结】AI1000问以后知识星球和B站见啦

13 学习资源与习惯。总结各类学习资源与习惯,讲解对行业的理解,代表性文章如下:

【完结】优秀的深度学习从业者都有哪些优秀的习惯

【杂谈】从GitHub上星星最多的男人开始发GitHub综述资料

【杂谈】那些酷炫的深度学习网络图怎么画出来的?

【杂谈】如何学会看arxiv.org才能不错过自己研究领域的最新论文?

【杂谈】当前模型剪枝有哪些可用的开源工具?

【杂谈】当前模型量化有哪些可用的开源工具?

【杂谈】当前知识蒸馏与迁移学习有哪些可用的开源工具?

【杂谈】有三AI专栏作者邀请,在这里写文章能获得什么,有什么不同?

14 AI大咖。了解AI领域大咖的学术生涯和个人经历,推荐大咖的经典论文,代表性文章如下:

【AI大咖】认真认识一代AI教父Hinton

【AI大咖】再认识Yann LeCun,一个可能是拥有最多中文名的男人

【AI大咖】扒一下低调的Yoshua Bengio大神

【AI大咖】ML宗师乔教主,Science评选的全世界最有影响力的计算机科学家

【Git项目】想成为大咖,先从八卦大咖开始,这个GitHub项目你值得拥有

15 AI产品。剖析AI领域产品背后的逻辑以及核心技术,代表文章如下:

【AI产品】产品小姐姐分析抖音背后的计算机视觉技术

【AI产品】超长文详解作业帮产品逻辑和技术原理

【AI产品】深扒美图秀秀中掳获万千少女芳心的“AI秘籍”

【AI产品】五一出游赏花草,你一定需要这款“形色”

【AI产品】你我当年的老照片,如今修复了可还行?

【AI产品】前沿黑科技,安利一款能让你的照片动起来的app

以上只是列出了少量代表性文章,另外还有很多的专栏和文章,大家可以去公众号菜单阅读或者直接搜索。

强烈推荐技术人员去关注骚扰,他们还在培养优秀的专栏作者,欢迎去投稿。

CV和NLP培养季划

有三AI不做培训,但是言有三本人每一个季度亲自带少量的学生,自己写教材,自己建立数据集,自己写每一个项目的代码。除了已经出版的新书,还在写其他的书籍。

纵观季划,拥有以下特点:

(1) 内容贴近工业界实战。如其中的caffe相关的代码解读/修改/C++部署,开源框架模型转换,CNN模型设计/优化,数据增强等无一不是工业界通用的关键技术。

(2) 自成闭环。言有三自己撰写教材,建立数据集,自己写完整项目代码。

(3) 学习方式灵活。不仅不限定学习时间,学会为止。还包括线上线下,图文/视频/直播多种不同的交流方式。

(4) 增值服务多样化。赠送有三AI知识星球,赠送现有以及以后录制的系列视频源文件,赠送现有以及以后的有三AI文化产品。

还有很多的细节,有兴趣的同学可以去阅读介绍,自己咨询有三。

知识星球

为了更加自由的内容输出,也让大家可以跟各行各业的大佬们交流,有三AI开设了星球,内容与公众号完全不重合,大家可以参考其2019年的年终总结。

【年终总结】2019年有三AI知识星球做了什么,明年又会做什么

暂时包含的技术板块如下:

相比于学术研究,这几年里在AI领域里火热的深度学习更是一门工程应用技术,其中最重要的两块内容就是模型和数据,知识星球有两个对应板块,分别是模型结构1000变和数据集。

(1) 网络结构1000变。剖析各种各样的网络模型结构,目前已经有超过5万字多的解读,以最近三个月的内容为例,我们主要是关注模型优化(模型剪枝,模型量化,模型蒸馏),生成对抗网络(GAN),三维重建等方向:

案例如下:

(2) 数据集。模型解决了接下来就是数据问题,里面包括如ImageNet,EffectNet等超过100G的大型数据集,需要license或者需要参赛,因为网络原因不能获取的数据集,以及新奇有趣的数据集。一些案例如下。

另外,有三AI星球大咖云集,下图是第一批入驻的大咖,有以下三类群体。

1 工业界大佬:覆盖阿里达摩院,腾讯AILab,百度IDL,奇虎360AI研究院,海康威视研究院,陌陌深度学习实验室以及其他一线互联网公司AI部门的资深技术专家,主管,甚至是总监,相信你进来预览一下就知道的。

2 自媒体大佬:包括计算机视觉,OpenCV,Java,Android等技术领域的行业专家,优秀专业自媒体,畅销书作家,相信在圈子里的大家肯定都认识的。

3 创业大佬:包括CSDN等社区的创始人,相信大家对于敢于当老板的大佬一定是有很多的问题想问的。

面对这么多的大佬,可以向他们免费/付费提问,有三以后也会邀请有意愿的来进行干货分享,这还只是第一批入驻的大佬,更多还在持续入驻中,你会不心动吗?

三人行必有AI,期待你的加入!

往期相关

  • 夏至未至,阳光也很灿烂

  • 如何制作一篇充满夏日气息的文章

  • 听说做模板能赚钱?

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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