深度学习实践课程--fast.ai 资料整理
Posted 刘二毛
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了深度学习实践课程--fast.ai 资料整理相关的知识,希望对你有一定的参考价值。
今天要推荐一门深度学习的好课程,来自Fast.ai的Deep learning course!
Welcome to fast.ai's 7 week course,Practical Deep Learning For Coders, Part 1, taught by Jeremy Howard (Kaggle's#1 competitor 2 years running, and founder ofEnlitic). Learn how to build state of the art models without needing graduate-level math—but also without dumbing anything down. Oh and one other thing... it's totally free!
这是fast.ai官网上的课程介绍,课程由kaggle赛事老司机,连续两年冠军Jeremy Howard 和 Rachel Tomas 联合创办,旨在让更多人能接受深度学习的课程,而且是完全免费!真的是业界良心,这两年深度学习火了起来,国内就马上有培训机构推出收费课程了,教学水平参差不齐。而Jeremy和Rachel推出的课程,恰恰提现了他们的教育理念:
Make deep learning uncool ! (让深度学习变得没那么高大上)
下面两张图能很好地反应当今业界、社会和门外汉看待深度学习的态度:
陌生人以为我是终结者,朋友以为我是半人半机器,别的计算机从业者以为我是土豪,数学家以为我是程序狗,我以为自己是杨立昆(深度学习大神),其实我只是在import kreas, 然后using tensorflow backend。
但你们不知道,我们在看论文,听讲座的时候都是一脸懵逼。
很多人误以为深度学习这个人工智能范畴的东西,一定很高深很难学,也许要研究生、博士生才能搞得懂,但是,Jeremy和Rachel却不这么认为(豪师兄也不那么认为,所以要证明给大家看),因此他们写了以下这篇爆款文章:
《Machine learning hasn't been commoditized yet, but that doesn't mean you need a PhD》
中文翻译:《机器学习依然奇货可居,但不是只有博士才能玩得转》,链接地址:http://geek.ai100.com.cn/2017/03/21/844
文章深入浅出地分析了深度学习并不是什么遥不可及的东西,一个本科生掌握方法坚持学半年时间就可以入门了。你可能听过这样的话,学深度学习很难,需要概率论与数理统计、微积分、线性代数等知识,还要学会Python、C++编程,一个非计算机科学专业出身的学生要补很多东西才能入门,balabala.....
诚然,想进入这个行业并非一朝一夕的事情,但也不至于是他们所描述的那样远在高高之上,告诉你这些的人多半都是想劝你别学了,来直接买他们的课程或者买他们的服务。Jeremy和Rachel看到了现在社会上这种浮躁的现象,希望能通过他们设计的这系列课程,让更多人能更容易地入门深度学习,让深度学习普及开来,成为社会发展的强大动力而不是拦路虎。
例如在第一课,你只需要用这7行的神奇代码,就能使用2014年世界图像识别大赛imagenet冠军模型Vgg16来进行猫狗图片识别!准确率能达到98%以上。
当时Jeremy使用VGG模型来进行肺癌医疗图像识别,一下子把预测肺癌的成功率提高到百分之八九十,这个准确率足以击败人类顶尖的癌症专家医生团队,这件事马上被CNN(美国有线电视新闻网,不是卷积神经网络)全国报道。但在Jeremy看来,他当时就只是简单地修改了一下模型,跟我们在这节课所学的没什么两样,所以深度学习也没我们想象中的那么难。
这里直接给出课程的地址,另外,微信公众号AI100对Fastai的课程视频进行了全面的中文翻译,同学们可根据自己的情况选择:
课程官网:www.fast.ai
课程首页:course.fast.ai
维基百科:wiki.fast.ai (详细的课程学习资料)
课程论坛:forums.fast.ai (这里有全球活跃的学习者在一起讨论课程)
中文论坛:geek.ai100.com.cn (全部的中文翻译视频及其它汉化公开课程)
学习笔记:geek.ai100.com.cn/category/notes
其中,学习笔记是豪师兄本人在学习Fast.ai课程的时候的全部学习笔记,包括课程简述、任务流程、概念解释和关键代码解释,里面基本上涵盖了课程当中Jeremy讲授的概念,而且所有代码都是从头手写,从头到尾跑通每一环节,对每个部分代码的效果、BUG、模型提升都有详细的分析,帮助初学者避免走弯路。所有笔记都已经公开发布,未来Part 2的课程正式发布,如果条件允许,将继续写下去。
因为我特别赞同Jeremy的一句话:“最好的学习方法就是把内容给其他人讲明白了。”
作者:人工智豪
链接:http://www.jianshu.com/p/70785dfe3801
來源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
以上是关于深度学习实践课程--fast.ai 资料整理的主要内容,如果未能解决你的问题,请参考以下文章
Nat Medicine亮点 | 谷歌AI开发3D深度学习算法精准预测肺癌风险