震撼来袭 | 人工智能Paper精读班,视频讲解+代码实现(还剩28个名额)
論文精講+代碼詳解+代碼實操
囊括NLP/CV領域歷年經典、前沿論文
對許多研究者來說,讀人工智能論文是件痛苦的事兒。
但若要知道自己所在的領域被研究成什么樣了,避不開要讀論文。那么應該如何閱讀一篇人工智能相關的論文呢?
你是否經常面臨這樣的難題:
1、頂會論文越發越多,卻不知道到底應該選擇讀什么樣的論文來讀?
2、總是一字一句的讀,結果讀到后面就忘了前面?
3、很多論文讀下來云里霧里,抓不住重點,效率極其低下?
4、讀讀還行,但是要落地到實際項目中,卻不知道如何下手?
如果你只是盲目追求論文的數量,讀了很多卻和沒讀一樣,不搞明白論文的思路和細節,沒有抓住核心。時間浪費了,又沒有任何收獲。
可能你會說,讀論文好難!!而且現在論文發表質量參差不齊,該如何挑選?對于一些優秀論文,又該如何尋找論文源代碼?如何剖析算法優缺點?如何結合實際應用實施?
別急,針對大家對于論文的要求,我們在經過認真挑選并設計后,從深度之眼推出了我們
設計合理的論文精度模式,帶你跟隨我們完整進行一篇論文的學習
Part1:6大維度統領全文通過提綱挈領,大維度解讀研究背景、研究問題、假設、研究思路和方法、成果及創新點。讓我們了解論文研究的未來方向,通過了解假設條件和研究成果,講解論文的來龍去脈,讓我們對論文的整體思路和框架有所了解,讓學員對本篇論文有一個概貌性的認識。
Part2:論文精講我們挑選了不同領域內經典和前沿的論文進行解讀,詳細講解算法的具體內容,針對論文中所引用的算法是出自什么經典算法的改進進行分析,同時對算法的優缺點、改進方案、論文的創新點、如何做對比論證進行分析。
Part3:代碼詳解對于不同領域,我們會選擇合適的論文配套代碼,講解代碼的結構、運行思路,針對論文中關鍵部分對應的重點代碼段、調參優化的一些經驗等,老師會直接給出代碼運行結果圖
Part4:面試應用指導讀論文,最終的目的一定是要加以應用,我們以導師自身經驗和企業招聘端為例,講解該論文在面試過程中,面試官可能會問到的一些問題。給予項目實戰落地一些建議。
Part5:提供完整資料提供附件內容包括論文原文+中文譯文+學習筆記+提供開源代碼+數據文件的數據文件,及為了讀懂這篇論文可能還需要學習的其他論文資料。
不僅如此,我們針對每篇論文的帶學節奏和同學們的閱讀節奏,設計了符合我們平時看論文習慣的節奏和模式,一周一篇,每周為一個完整的學習周,每一篇論文都對應一位導師進行精講
一周流程
通過觀看錄播視頻,讓我們對論文有個概貌性的認識,讓我們對論文一周內容有大概的安排
Day2預習論文,學習儲備知識在研究論文之前,我們需要對論文有大概的理解,因此我們安排了一天,針對老師布置的任務去通讀論文,同時學習一些研究論文之前需要補充的預備知識,通過完成任務內的自測題,對論文有基本的理解
同時,我們也會安排一場針對論文的話題討論,讓同學和老師針對論文話題進行討論學習,發表自己的觀點
討論主題:
1、多模態情感分析的發展趨勢
2、注意力機制的應用
3、Pytorch實現過程有意思的BUG
4、Python深度學習編程的技巧
5、人臉檢測/人臉識別精度和復雜度如何取舍?
”完成前兩天的任務以后,我們會在第三天提供論文的精講視頻,通過觀看視頻,對論文中最重要的內容進行提取,針對模型/算法/訓練技巧,數據集,試驗,結果分析等,構建講解脈絡,逐一講授分析脈絡中每一塊重要內容,
Day4寫學習筆記在第四天,我們會要求大家完成教學計劃內老師布置的作業,包括閱讀論文和代碼實踐的作業,再寫一篇學習筆記,比如撰寫論文小結、代碼局部替換或優化心得。記錄自己在學習過程中疑難的地方,溫故而知新,加深對論文的印象,提高理解深度
Day5觀看代碼講解第五天,老師會提供視頻,把論文中內重要的代碼全部講一遍,讓我們理解代碼的結構,指導代碼的實現方式和調優技巧
Day6運行代碼
讓大家根據我們提供的資料和代碼先跑一遍,然后再根據老師的思路在此基礎上進行進一步的調優和優化,最終和其他同學們對比結果的差異性,互相學習進步
Day7直播答疑老師在直播期間,會講解一些論文相關的知識點,并解答同學們在學習本篇論文中出現的問題,包括自己在學習過程中當時沒有注意到的點,大家可以在直播當天和老師現場互動
不僅如此,針對問題我們設計了三種維度的答疑
1、導師接受1對1提問,12小時之內保證解決問題
2、每月統一收集問題直播答疑,系統講解重難點
3、微信群助教及時互動,群友互答
論文有哪些?
我們講論文以CV和NLP兩個領域進行了詳細的分類,在選擇具有整體/宏觀性、經典性、基石性paper的同時,還選用了前沿性和熱門且有效方法的paper。首先是兩個方向都需要學習的一篇經典論文
《Deep Learning》
由剛獲得圖靈獎的Yann LeCun, Yoshua Bengio 和 Geoffrey Hinton 三位人工智能大師在Nature上發表的深度學習綜述。系統性地講述了深度學習的特點和優勢,列舉了計算機視覺CV、自然語言處理NLP、強化學習RL的相關研究。
CV方向經典篇:《ImageNet Classification with Deep Convolutional Neural Network》(AlexNet)
跟隨近幾年卷積神經網絡CNN的快速發展和應用,我們選取了由Krizhevsky和 Geoffrey Hinton 在2012年的開山之作,他曾用名為AlexNet的網絡結構的CNN取得了當時ImageNet比賽冠軍
經典篇:《Very Deep Convolutional Networks for Large-Scale Image Recognition》(VGG)
選用了在2014年ILSVRC競賽取得亞軍的VGG網絡,雖然當時競賽的第一名是GoogLeNet,但是VGG模型在多個遷移學習任務中的表現要優于googLeNet。熟悉AlexNet與VGG后學員再研讀后續的ResNet、DenseNet等變型網絡結構的論文能更好的融會貫通。
前沿篇:《Region-Based Convolutional Networks for Accurate Object Detection and Segmentation》
隨著CV領域目標檢測方向,在近幾年迅猛的發展,在自動駕駛、安防、人臉檢測都有著廣泛的應用。而目標檢測的演化路線主要有兩級式模型和單級式模型。兩級式如RCNN,Fast-RCNN,Faster-RCNN,Mask-RCNN等,單級式如SSD
我們首先選取了卷積神經網絡應用于目標檢測領域的開山之作RCNN,為學員再去研究、理解和應用其后續演化變型結構如Fast-RCNN,Faster-RCNN,Mask-RCNN等就有了堅實的基礎。
前沿篇:《SSD: Single Shot MultiBox Detector 》
是Liu W , Anguelov D , Erhan D等人在2016年的European Conference on Computer Vision上發表的文章,該模型在不同的數據集上,如 PASCAL VOC、MS COCO、ILSVRC,都進行了測試。在檢測時間、檢測精度上,達到了state-of-art 的水平。除此以外,我們還挑選了針對人臉相關的應用:人臉檢測,人臉關鍵點預測,人臉比對,人臉識別,屬性識別等等方向的論文
前沿篇:A Discriminative Feature Learning Approach for Deep Face Recognition(center loss)?
前沿篇:Facenet: A unified embedding for face recognition and clustering(triplet loss)
NLP方向我們抽取了三篇論文講述詞向量的發展,一脈相承,從經典到前沿。
經典篇:《Efficient Estimation of Word Representations in Vector Space》?
word2vec是將詞匯向量化,這樣我們就可以進行定量的分析,分析詞與詞之間的關系,這是one-hot encoding做不到的。Google的Tomas Mikolov 在2013年發表的這篇論文給自然語言處理領域帶來了新的巨大變革,提出的兩個模型CBOW (Continuous Bag-of-Words Model)和Skip-gram (Continuous Skip-gram Model),創造性的用預測的方式解決自然語言處理的問題,而不是傳統的詞頻的方法。奠定了后續NLP處理的基石。并將NLP的研究熱度推升到了一個新的高度。?
經典篇:《Neural Machine Translation by Jointly Learning to Align and Translate》????
Attention機制最初由圖像處理領域提出,后來被引入到NLP領域用于解決機器翻譯的問題,使得機器翻譯的效果得到了顯著的提升。attention是近幾年NLP領域最重要的亮點之一,后續的Transformer和Bert都是基于attention機制。
經典篇:《Transformer: attention is all you need》?
這是谷歌與多倫多大學等高校合作發表的論文,提出了一種新的網絡框架Transformer,是一種新的編碼解碼器,與LSTM地位相當。
Transformer是完全基于注意力機制(attention mechanism)的網絡框架,使得機器翻譯的效果進一步提升,為Bert的提出奠定了基礎。該論文2017年發表后引用已經達到1280,GitHub上面第三方復現的star2300余次。可以說是近年NLP界最有影響力的工作,NLP研究人員必看!
前沿篇:《A Convolutional Neural Network for Modelling Sentences》
前沿篇:《fasttext:Bag of Tricks for Efficient Text Classification》
第一篇論文將CNN引入NLP來進行文本分類,巧妙地設計了filter的結構,將n-gram的思想用于NLP,很巧妙。第二篇的思想比較簡單,效果很好,效率很高。
前沿篇:《Siamese recurrent architectures for learning sentence similarity》
該篇論文僅僅是Siamese network的一個使用場景。在Kaggle question pair match和國內的很多NLP比賽中,比賽的冠軍們無一不使用siamese network,該網絡模型在圖像、語音等領域也有廣泛的應用,是非常實用的模型。
從事深度學習自然語言處理的人,能通過這6篇Paper的授課、精讀、代碼詳解和代碼實操,奠定堅實的研究基礎。
學完以后,我可以保證你至少能收獲1?獲得正確的閱讀Paper的方法
2 獲得深度學習領域的研究概貌和前沿知識;
3 洞悉優秀的論文研究團隊的研究方法、思路;
4 細化吸收配套代碼,快速借鑒用于自己的科研上。
5?完成0-1的構建,舉一反三,自主可以高效閱讀和復現更多的論文
不僅如此,你還能收獲1、贈送價值1198元為期一年1對1咨詢服務,11位重量級人工智能大咖坐鎮,全方位解決你的學習困惑
2、每周五熱門話題討論,400+學員的集體頭腦風暴,資源、干貨、觀點一起碰撞
4、超過15家知名互聯網企業的內推合作
帶學導師團
為保證每位學生得到更好的指導,我們每個班級人數不超過100人。老師將在群里及時和大家答疑互動。
為期7周
現在加入,僅需298元!CV方向論文班(如果你想兩個打包售賣,我們可以優惠~詳情咨詢客服)
NLP方向論文班報名時間:2019年5月22日—2019年6月3日
支持支付寶花唄分期付款,信用卡分期付款。我們可以幫你付利息!
學習不在于花銷多少,而在于你的收獲一定要大于付出!
年輕最有效的資本是時間,讓我們帶你更有效的學習,幫你節約你自己盲目摸索的時間。讓你賺取更多的價值!
我們其他訓練營的學習氛圍
在我們的學習群里,你不僅能接觸到更多嚴格要求自己的人,還能讓你的學習效果在深度交流中實現最大化!
如果你還在猶豫,不如看看有多少位學生已經加入學習了
報名情況
1、超過1.9w+學員已加入訓練營
2、累積打卡總195683+次
為了鼓勵學生堅持學習,按要求完成作業,我們將贈送你如下福利!!打卡全勤將全額返現!不花一分錢,學完整門課!
截止目前我們已累積返現8萬余元,還在不斷累積
(訓練營采取的積分機制,打卡、點評、點贊都會有得到相應的積分,憑積分就可以換取相應獎品!)
此外,積極參加社群活動,還有機會獲得【深度之眼】的精美周邊產品
學員曾給我們的反饋
我們的模式在往期訓練營里做到了零吐槽!零差評!
而我們,還在不斷的更新迭代
睜開眼,陽光和你都在~
可上下滑動,查看部分學員評價
現在加入,僅需298元!(不同方向所帶讀的論文內容不同,請大家按照自己研究領域選擇)
NLP方向論文班(不同方向所帶讀的論文內容不同,請大家按照自己研究領域選擇)
報名時間:2019年5月22日—2019年6月3日
添加班主任送你免費《Python 基礎訓練營》
備注:如有任何問題,也請添加班主任微信咨詢
開啟你的升級之旅
除此以外,我們還有會員專享的十七大訓練營,通過系統的課程體系讓你從入門進階到企業實戰
購買VIP需添加班主任微信拉群哦!
支持花唄/信用卡分期,我們幫你付全部利息!
訂閱須知
Q:課程資料在哪里看?
A:所有的課程資料均會在訓練營內上傳,報名以后請務必添加客服微信入群!
Q:視頻可以電腦看嗎?
A:課程視頻支持PC端倍速播放。
Q:報名后可以退款嗎?
A:本服務為虛擬內容產品,一經購買,概不退款,敬請諒解。
Q:可以開具發票嗎?
A:可以開具普通發票,請聯系微信班主任填寫需要的信息即可。
名企合作
講師招募
深度之眼首創訓練營模式,在不到一年時間已有1.8萬名付費學員,我們長期招募兼職講師,以在線工作為主,分成收入佳。
只要您在一下方面有某一專長:
1、 精讀過《深度學習》花書、李航《統計學習方法》、《機器學習》西瓜書等AI類知名書籍,可以開設以此書籍為教材的帶讀班。
2、系統學過李宏毅的《機器學習》《深度學習》、李飛飛《計算機視覺課》或是國外名校的知名公開課,可以開設以此課程為教材的帶學班。
3、打過Kaggle、天池、AI challenger、科賽網、DC等競賽,并取得過前5的成績,可帶競賽班
4、如果你自己曾經讀過AI類的經典或者前沿論文,并且對論文做過深入的分析和研究,可作為我們的paper精讀班老師
5、如果你在企業里面,有參加過實際的企業項目,可以作為我們AI企業項目實戰班
我們不需要你全能,只要你在某一個方面特別擅長,即可擔任我們的帶學導師。
歡迎大家掃客服微信聯系我們!
總結
以上是生活随笔為你收集整理的震撼来袭 | 人工智能Paper精读班,视频讲解+代码实现(还剩28个名额)的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 论文盘点:CVPR 2019 - 文本检
- 下一篇: 每周一起读 #02 | ICML 201