0
過去一年間,在人工智能的風口之上,新的突破不斷涌現(xiàn),新的成果破土而出。
這一系列的突破與成果,和持續(xù)壯大的開發(fā)者社群密不可分,是他們推動和促進著人工智能由理論走向實踐。
伴隨著人工智能一波又一波的浪潮,這個社群中不斷有新人涌入。
而在剛剛進入這個行業(yè)之時,大家有種普遍的困惑:面對繁多且零散的資源,總感覺力不從心,無從下手。
毫無疑問,零散的資源構建不了系統(tǒng)的知識體系。
從理論、到工具、再到比賽,通過這三個階段一步步進階最為扎實。
理論是實踐的基礎。
掌握與人工智能強相關的基礎知識,如深度學習相關理論與應用,人臉識別、聲紋識別、語音分離、文本理解、自動駕駛等領域的基礎概念,這是第一步。
通過這一步,可以建立起對學科的基本認識,在腦海中搭建出大體框架。
工具是實踐的手段。
開源平臺與工具是開發(fā)者的必備利器,通過這一系列工具,我們可以快速建模、擴展應用場景,輕松將過來人的經驗運用于自己的模型之中。
有了這一步,可以夯實前面建立的理論基礎。
掌握好前面的理論和工具,就可以開始進行高階操作——不斷參加比賽,積累實戰(zhàn)經驗,逐步提升。
雷鋒網(wǎng)學術頻道 AI 科技評論從 2017 年起,一直致力于輸出這三個方向的干貨,持續(xù)為開發(fā)者社群奉獻自己的一份力。我們的報導全面覆蓋理論、工具、賽事這三個方面:
理論
2017 年 1 月,我們特邀新加坡國立大學馮佳時博士,為大家?guī)硪浴窯ANs 的誕生與走向」為主題的公開課。在公開課中,他深入淺出描述了 GANs 的基本原理、優(yōu)缺點、應用實例、未來走向等內容。
2 月,雷鋒網(wǎng) AI 科技評論邀請到格靈深瞳 CEO 趙勇,他對國內智能安防與人臉識別系統(tǒng)進行了全方位揭露和講解。
之后,我們邀請到前硅谷資深工程師王東詳解 YOLO 2 與 YOLO 9000 目標檢測系統(tǒng),在公開課中,他從兩者的結構、分類、實例等方面展開課程。
工具
在 Facebook 2017 年開發(fā)者大會 F8 上,F(xiàn)acebook AML 實驗室的 Andrew Tullock 和賈揚清上臺介紹了 Caffe2 輕巧、易用和可擴展的特性。AI 科技評論第一時間對他們的演講內容進行了詳細梳理。
作為亞馬遜官方深度學習平臺,MXNet 以其輕量化、適合快速開發(fā)的特征廣受好評。在 AAAI 2017 期間,AI 科技評論有幸對其作者李沐進行專訪,為大家?guī)砝钽謇蠋煹莫毤矣^點。
談到目前的開源深度學習框架,TensorFlow 以其穩(wěn)定的社群、利于部署的特性,使用率居高不下。我們邀請到《TENSORFLOW:實戰(zhàn) GOOGLE 深度學習框架》的作者鄭澤宇,他詳細介紹了神經網(wǎng)絡的工作原理,以及如何利用 TensorFlow 來進行實戰(zhàn)。
比賽
2017 年的 KDD Cup 上,冠軍由華人團隊 Convolution 獲得。我們第一時間向他們討教了成功方法論,整理成文以饗讀者。
在北京大學 LAB2112 團隊奪得阿里天池醫(yī)療 AI 大賽冠軍之際,我們對團隊的指導教師王立威教授進行專訪,他從算法、實用性等方面為我們做出諸多講解。
看到現(xiàn)在遍地開花的無人駕駛行業(yè),在美國的我們重訪了讓自動駕駛由概念走向現(xiàn)實的 2005 DARPA 挑戰(zhàn)賽的冠軍團隊中的一員,他獨家揭秘了 Stanley 奪冠背后那些不為人知的細節(jié)。
基于這三個方面,我們在過去一年間跟蹤報導了上百條深度內容。
我們從這些內容中,篩選出 50 篇具有代表性的文章,整理成特輯。1000+頁的內容,大家看到之后,一定會有所收獲。
該特輯涵蓋以下內容:
理論
GAN 的基本原理、應用和走向
對深度學習及 AlphaGo Zero 的詳細解讀
《Deep Learning》一書的詳細分享
基于深度學習的行人重識別研究綜述
詳解 YOLO 2 與 YOLO 9000 目標檢測系統(tǒng)
用超大規(guī)模真實駕駛視頻數(shù)據(jù)集做端到端自動駕駛
利用深度學習系統(tǒng)防止電商交易欺詐
深度學習在語音生成問題上的典型應用
多任務深度學習模型在 ADAS 中的應用
基于深度學習的語音分離
深度學習在超聲影像中的應用
……
工具
Facebook AML 實驗室 Andrew Tullock、賈揚清對 Caffe2 的詳細解讀
亞馬遜機器學習總監(jiān) Alex Smola 對 MXNet 的全面介紹
對 MXNet 作者李沐的專訪
Theano 停止更新之后,開發(fā)者社群作何反應
文檔亂、調試難,但為什么仍有那么多人用 TensorFlow
手把手教你用英偉達 DIGITS 解決圖像分類問題
如何設計基于微服務的 AI SaaS 架構
清華唐杰博士詳解億級學術圖譜 Open Academic Graph
中科院團隊詳解深度文本匹配工具 MatchZoo 背后的個中細節(jié)
OpenBLAS 開源項目介紹以及矩陣乘法的優(yōu)化
深度學習處理架構的演進
如何設計神經網(wǎng)絡硬件架構
……
賽事
谷歌收購 Kaggle,對國內外的影響有多大
微軟 Malmo 協(xié)作 AI 挑戰(zhàn)賽冠軍比賽思路
曠視 COCO +Places 2017 比賽獲獎模型大揭秘
MSR-VTT 奪冠經驗分享
KDD Cup 2017 雙料冠軍的成功方法論
亞馬遜 Alexa Prize 比賽冠軍團隊經驗
SMP 2017 「中文人機對話技術評測」奪冠方案
NTCIR13-STC2 評測冠軍團隊的方案詳解
2017 全球高校學生數(shù)據(jù)科學大賽(DSG)經驗分享
CoNLL 比賽第四名方案詳解
阿里天池醫(yī)療 AI 冠軍團隊煉成之路
2005 DARPA 挑戰(zhàn)賽斯坦福車隊成員專訪
……
紙上得來終覺淺,絕知此事要躬行。
希望大家在看過「理論」、「工具」、「賽事」這 3 個欄目之后,即刻行動起來。
從現(xiàn)在開始,加入開發(fā)者社群,做一名活躍的 develpoer,不斷進階和收獲。
點擊本鏈接即可進入雷鋒網(wǎng)學術頻道 AI 科技評論2017年度特輯購買頁面:
雷峰網(wǎng)原創(chuàng)文章,未經授權禁止轉載。詳情見轉載須知。