0
| 本文作者： 叢末 | 2019-02-01 22:42 |
雷鋒網(wǎng) AI 科技評論按：2018 年，AI 研習(xí)社又為大家呈上了一系列公開課，AI 研習(xí)社的粉絲們也再度與我們相伴走過了一年。作為一個針對 AI 開發(fā)者的公開課類目，「猿桌會」自去年推出以來廣受各位的喜愛，在今年雷鋒網(wǎng) AI 研習(xí)社依舊以最飽滿的誠意為大家邀請了領(lǐng)域內(nèi)的各路大神進行分享，具體內(nèi)容涵蓋深度學(xué)習(xí)開源框架、神經(jīng)網(wǎng)絡(luò)調(diào)參和優(yōu)化、開發(fā)語言使用技巧、開源工具使用心得、人工智能/數(shù)據(jù)競賽經(jīng)驗、 行業(yè)最新成果等，持續(xù)關(guān)注我們公開課的粉絲們想必也從他們身上得到了不少收獲。下面，小編挑選出了「猿桌會」最熱門的 TOP 10 公開課，與大家一起回顧一下~
CS 碩士王煦中：CS231n 課后作業(yè)第二講 : Assignment 2
內(nèi)容簡介：CS231n 是斯坦福大學(xué)開設(shè)的計算機視覺與深度學(xué)習(xí)的入門課程，授課內(nèi)容在國內(nèi)外頗受好評。但是只聽課不做作業(yè)效果是要折半的，對此，雷鋒網(wǎng) AI 研習(xí)社專門請來了一位技術(shù)大牛（知乎專欄喵神大人的深度工坊作者、CS 碩士王煦中）來公開課上為大家來講解這門課的配套作業(yè)，共 3 個 Assignment，而本堂公開課主要介紹 Assignment 2（含代碼實現(xiàn)），包括 Fully-connected Neural Network、Batch Normalization、Dropout、Convolutional Networks 以及 Tensorflow on CIFAR-10 五大部分。本堂課干貨滿滿，受到了 AI 研習(xí)社粉絲們的歡迎，成為 2018 年度觀看量最高的「猿桌會」公開課。作業(yè)鏈接：https://github.com/Observerspy/CS231n
孔曉泉：自然語言處理（NLP）應(yīng)用和前沿技術(shù)回顧
內(nèi)容簡介：伴隨著近幾年的機器學(xué)習(xí)的熱潮，自然語言處理成為了目前炙手可熱的研究方向，同時也是 Google、Microsoft、Facebook、Baidu、Alibaba 等各大公司投入巨額資金和高端人力努力爭奪的下一個互聯(lián)網(wǎng)流量入口（智能助手、智能音箱等）。針對這一選題，AI 研習(xí)社邀請了從事然語言處理（NLP）領(lǐng)域多年，擁有豐富實踐應(yīng)用經(jīng)驗的孔曉泉為大家?guī)矸窒?。公開課中，孔曉泉介紹了自然語言處理技術(shù)的一些基本知識、行業(yè)的發(fā)展現(xiàn)狀和基于深度學(xué)習(xí)的通用的 NLP 處理流程，以期幫助想要學(xué)習(xí)和從事 NLP 的學(xué)生、工程師以及愛好者建立一個基本的 NLP 的知識框架，熟悉基礎(chǔ)的技術(shù)方案，并了解通用的深度學(xué)習(xí)處理流程。
新加坡國立大學(xué)霍華德：有意思的自然語言處理
內(nèi)容簡介：不少剛?cè)腴T人工智能的同學(xué)，一入門就被大量的公式嚇到了，望而卻步，轉(zhuǎn)而放棄。人工智能并非那么枯燥，它本身很有意思。興趣是學(xué)習(xí)最好的老師，來自新加坡國立大學(xué)電子及計算機工程系的霍華德博士帶來的這個分享就是希望給大家展示自然語言處理（NLP）中有趣的一面，內(nèi)容比較適合想入門人工智能和自然語言處理的同學(xué)。值得一提的是，霍華德博士本人的求學(xué)經(jīng)歷非常傳奇，在本科，碩士，博士階段分別讀了三個不同的專業(yè)，現(xiàn)在騰訊就職。本次分享不僅輕松有趣，還為大家?guī)砹艘换j筐的干貨，成為 2018 年度排名前幾的「猿桌會」公開課。
北京郵電大學(xué)張慶恒：基于 rasa 搭建中文對話系統(tǒng)
內(nèi)容簡介：對話系統(tǒng)是自然語言處理的一個熱門話題，而自然語言理解則是對話系統(tǒng)的關(guān)鍵組成部分，現(xiàn)有的很多自然語言理解工具往往以服務(wù)的方式獲?。℅oogle 的API.ai，F(xiàn)acebook 的 Wit.ai 等），使用這些服務(wù)往往需要向服務(wù)提供商提供自己的數(shù)據(jù)，并且根據(jù)自己業(yè)務(wù)調(diào)試模型很不方便。針對這一問題，AI 研習(xí)社邀請到了北京郵電大學(xué)網(wǎng)絡(luò)技術(shù)研究院、網(wǎng)絡(luò)與交換技術(shù)國家重點實驗室碩士張慶恒為大家答疑解惑。本次公開課，講者重點分享了自己基于 rasa nlu 構(gòu)建自己的自然語言理解工具，并結(jié)合 rasa core 搭建對話系統(tǒng)框架的一些經(jīng)驗，方便初學(xué)者入門，加深對對話系統(tǒng)的理解。張慶恒曾在百度實習(xí)且多次參加機器學(xué)習(xí)、深度學(xué)習(xí)比賽，并獲阿里云安全算法挑戰(zhàn)賽獲冠軍，同時也是中文標注開源項目 Chinese-Annotator 主要開發(fā)成員，擁有豐富的實戰(zhàn)經(jīng)驗。
竹間智能翁嘉頎：人機交互技術(shù)探索
內(nèi)容簡介：隨著語音識別 ASR 的進步，對話機器人從簡單的指令式的語音助手，進化到關(guān)鍵詞交互方式，人們能夠使用較為完整的句子來表達意圖，機器人從中截取關(guān)鍵詞判斷用戶意圖?，F(xiàn)階段利用 NLP 、NLU 技術(shù)，以及機器學(xué)習(xí)方式，慢慢脫離關(guān)鍵詞的束縛，可以更聰明的去理解用戶意圖以做出正確的回應(yīng)。然而，再下一步的對話機器人是否能脫離一問一答的回應(yīng)方式？機器人是否能主動地跟人產(chǎn)生互動？沒有情緒情感的機器人真的算是智能機器人嗎？情緒情感又有哪些可能的應(yīng)用？對于這些問題，AI 研習(xí)社邀請到了人工智能創(chuàng)業(yè)公司竹間智能的 CTO 翁嘉頎為大家?guī)矸窒?。公開課中，他的分享內(nèi)容包括情感計算、意圖、主題、上下文、中文 NLP 應(yīng)用、多輪對話、算法與數(shù)據(jù)的關(guān)系，其中重點闡述了相關(guān)技術(shù)的應(yīng)用以及怎樣解決當前面臨的問題。
南洋理工大學(xué)顧玖強：從 NLP 到 CV+NLP：計算機視覺和自然語言處理結(jié)合介紹
內(nèi)容簡介：自然語言處理幫助人們研究如何使得機器「說」和「讀」，而目前很火的計算機視覺則研究如何使機器「看」。當「看」和「說」結(jié)合起來，會產(chǎn)生怎樣有趣的應(yīng)用呢？AI 研習(xí)社邀請到了新加坡南洋理工大學(xué)博士顧玖強來為大家分享當二者結(jié)合起來所帶來的有趣應(yīng)用。顧玖強博士精通算法，軟硬兼修，目前主要研究方向是計算機視覺和自然語言處理結(jié)合，講課風(fēng)格深入淺出通俗易懂，有獨家學(xué)習(xí)和轉(zhuǎn)行經(jīng)驗。在這堂公開課中，他不僅介紹了目前自然語言處理的發(fā)展進程，還和大家探討自然語言處理和計算機視覺結(jié)合的問題，讓大家對自然語言的發(fā)展方向有更廣闊的認識。無論對自然語言處理還是計算機視覺的從業(yè)者，學(xué)科的交叉總會給我們帶來很多意想不到的有趣應(yīng)用，感興趣的同學(xué)趕緊視頻看起來！
葉志豪：介紹強化學(xué)習(xí)及其在 NLP 上的應(yīng)用
內(nèi)容簡介：當 AlphaGO 橫掃之后，越來越多的學(xué)者意識到強化學(xué)習(xí)在人工智能領(lǐng)域所扮演的重要角色。同時隨著深度學(xué)習(xí)的發(fā)展，應(yīng)用深度學(xué)習(xí)，很多自然語言的傳統(tǒng)難題得到突破。引用 David Silver 的一句話來對深度學(xué)習(xí)、強化學(xué)習(xí)以及人工智能之間的關(guān)系進行描述，就是：深度學(xué)習(xí)（DL）+ 強化學(xué)習(xí)（RL） = 人工智能（AI）。而在實際應(yīng)用上，當深度學(xué)習(xí)與強化學(xué)習(xí)碰撞時又會擦除怎樣的火花呢？AI 研習(xí)社的公開課上，廣東工業(yè)大學(xué)葉志豪就探討了深度學(xué)習(xí)和強化學(xué)習(xí)兩大利器如何結(jié)合并應(yīng)用于 NLP 中的文本生成和對話任務(wù)中，想必觀看過直播的小伙伴們都收獲不少吧。
IBM 高級研發(fā)工程師武維：深度學(xué)習(xí)中的分布式訓(xùn)練
公開課回看地址：http://www.mooc.ai/open/course/410
總結(jié)文查看地址：http://m.ozgbdpf.cn/news/201801/2eAImHGQdNpZv8LW.html
內(nèi)容簡介：在數(shù)據(jù)集上訓(xùn)練的深度學(xué)習(xí)模型在計算機視覺、語音識別、自然語言處理方面取得了顯著的效果，但是這些模型的訓(xùn)練過程非常耗時。盡管 GPU 的硬件技術(shù)不斷發(fā)展以及網(wǎng)絡(luò)模型結(jié)構(gòu)不斷取得突破，但是對大模型或大數(shù)據(jù)集，單設(shè)備訓(xùn)練耗時過久的問題仍存在。IBM 系統(tǒng)部研發(fā)工程師武維博士受 AI 研習(xí)社邀請，針對這些問題給大家分享了自己在深度學(xué)習(xí)分布式訓(xùn)練中的實踐經(jīng)驗。武維博士曾就職于華為大數(shù)據(jù)產(chǎn)品部及 IBM 中國研究院，擔任系統(tǒng)工程師/研究員；同時也是西安交通大學(xué)系統(tǒng)工程博士，目前主要研發(fā)方向為深度學(xué)習(xí)中的分布式訓(xùn)練框架與模型，相信這位擁有豐富的研究和實踐應(yīng)用經(jīng)驗的講者能為大家?guī)慝@益匪淺的收獲。
前百度、阿里資深算法工程師王奇文：「Deep Learning」讀書分享(十二)（十三）
公開課回看地址：http://www.mooc.ai/open/course/429
公開課相關(guān)閱讀：http://m.ozgbdpf.cn/news/201708/N8ls4655TQFTRCKR.html
內(nèi)容簡介「Deep Learning」這本書是機器學(xué)習(xí)領(lǐng)域的重磅書籍，三位作者分別是機器學(xué)習(xí)界名人、GAN的提出者、谷歌大腦研究科學(xué)家 Ian Goodfellow，神經(jīng)網(wǎng)絡(luò)領(lǐng)域創(chuàng)始三位創(chuàng)始人之一的蒙特利爾大學(xué)教授 Yoshua Bengio（也是 Ian Goodfellow的老師）、同在蒙特利爾大學(xué)的神經(jīng)網(wǎng)絡(luò)與數(shù)據(jù)挖掘教授 Aaron Courville。只看作者陣容就知道這本書肯定能夠從深度學(xué)習(xí)的基礎(chǔ)知識和原理一直講到最新的方法，而且在技術(shù)的應(yīng)用方面也有許多具體介紹。這本書面向的對象也不僅是學(xué)習(xí)相關(guān)專業(yè)的高校學(xué)生，還能夠為研究人員和業(yè)界的技術(shù)人員提供穩(wěn)妥的指導(dǎo)意見、提供解決問題的新鮮思路。面對著這樣一本內(nèi)容精彩的好書，不管你有沒有入手開始閱讀，AI 研習(xí)社都希望借此給大家提供一個共同討論、共同提高的機會，因此我們邀請到了多位機器學(xué)習(xí)方面優(yōu)秀、熱心的分享人參與這本書的系列分享。其中王奇文的這次分享再次受到大家的熱烈歡迎，也是 2018 年度排名前幾的「猿桌會」公開課。
丁志新：人工智能知識產(chǎn)權(quán)保護
內(nèi)容簡介：在中美貿(mào)易摩擦背景下，知識產(chǎn)權(quán)問題成了各方關(guān)注的焦點。人工智能的技術(shù)領(lǐng)域覆蓋甚廣，相關(guān)的企業(yè)、高校研究機構(gòu)、個人如何進行知識產(chǎn)權(quán)保護？尤其是算法、軟件編程、大數(shù)據(jù)、應(yīng)用領(lǐng)域等等如何得到保護？我國又對職務(wù)發(fā)明人有哪些優(yōu)惠政策，法律風(fēng)險又有哪些？在人工智能領(lǐng)域投資人的機會在哪里？針對這些問題，AI 研習(xí)社邀請到了深圳市世紀恒程知識產(chǎn)權(quán)代理事務(wù)所副總經(jīng)理、咨詢部部長丁志新老師來公開課上為大家普及相關(guān)知識。擁有首批全國專利信息實務(wù)人才、專利代理人、廣東知識產(chǎn)權(quán)保護協(xié)會專家?guī)鞂＜?、深圳市知識產(chǎn)權(quán)專家?guī)鞂＜业戎T多榮譽稱號的丁志新老師結(jié)合其十余年的知識產(chǎn)權(quán)從業(yè)經(jīng)驗，分享解答人工智能的各類知識產(chǎn)權(quán)相關(guān)問題，包括人工智能對知識產(chǎn)權(quán)帶來的挑戰(zhàn)和機遇、人工智能相關(guān)的企業(yè)應(yīng)如果開展知識產(chǎn)權(quán)工作、知識產(chǎn)權(quán)風(fēng)險防控與應(yīng)急機制以及投融資活動中如何防范風(fēng)險并找準商業(yè)機會等。
以上公開課小編都按直播觀看人數(shù)進行了排序（從多到少），大家如果沒時間一一觀看學(xué)習(xí)，不妨相信一下 AI 研習(xí)社各位粉絲們的共同眼光，選擇最熱門的公開課進行回看吧~
次感謝大家對 AI 研習(xí)社的支持！
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
