1. 首页
  2. TensorFlowNews

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

老司机带学,省时省力!涵盖CV与NLP领域经典论文视频讲解,代码对比剖析助前行!优秀读Paper习惯养成好帮手!磐石认证!

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

对许多研究者来说,读人工智能论文是件痛苦的事儿

但若要知道自己所在的领域被研究成什么样了,避不开要读论文。那么应该如何阅读一篇人工智能相关的论文呢?

你是否经常面临这样的难题:

1、顶会论文越发越多,却不知道到底应该选择读什么样的论文来读?

2、总是一字一句的读,结果读到后面就忘了前面?

3、很多论文读下来云里雾里,抓不住重点,效率极其低下?

4、读读还行,但是要落地到实际项目中,却不知道如何下手?

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

如果你只是盲目追求论文的数量,读了很多却和没读一样,不搞明白论文的思路和细节,没有抓住核心。时间浪费了,又没有任何收获。

可能你会说,读论文好难!!而且现在论文发表质量参差不齐,该如何挑选?对于一些优秀论文,又该如何寻找论文源代码?如何剖析算法优缺点?如何结合实际应用实施?

别急,针对大家对于论文的要求,我们在经过认真挑选并设计后,从深度之眼推出了我们

人工智能Paper精!读!班!

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

设计合理的论文精度模式,带你跟随我们完整进行一篇论文的学习

Part1:6大维度统领全文

通过提纲挈领,大维度解读研究背景、研究问题、假设、研究思路和方法、成果及创新点让我们了解论文研究的未来方向,通过了解假设条件和研究成果,讲解论文的来龙去脉,让我们对论文的整体思路和框架有所了解,让学员对本篇论文有一个概貌性的认识。

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

Part2:论文精讲

我们挑选了不同领域内经典和前沿的论文进行解读,详细讲解算法的具体内容,针对论文中所引用的算法是出自什么经典算法的改进进行分析,同时对算法的优缺点、改进方案、论文的创新点、如何做对比论证进行分析。

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

Part3:代码详解

对于不同领域,我们会选择合适的论文配套代码,讲解代码的结构、运行思路,针对论文中关键部分对应的重点代码段、调参优化的一些经验等,老师会直接给出代码运行结果图

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

Part4:面试应用指导

读论文,最终的目的一定是要加以应用,我们以导师自身经验和企业招聘端为例,讲解该论文在面试过程中,面试官可能会问到的一些问题。给予项目实战落地一些建议。

Part5:提供完整资料

提供附件内容包括论文原文+中文译文+学习笔记+提供开源代码+数据文件的数据文件,及为了读懂这篇论文可能还需要学习的其他论文资料。

不仅如此,我们针对每篇论文的带学节奏和同学们的阅读节奏,设计了符合我们平时看论文习惯的节奏和模式,一周一篇,每周为一个完整的学习周,每一篇论文都对应一位导师进行精讲

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

一周流程

Day
1
观看论文导读

通过观看录播视频,让我们对论文有个概貌性的认识,让我们对论文一周内容有大概的安排

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

Day2
预习论文,学习储备知识

在研究论文之前,我们需要对论文有大概的理解,因此我们安排了一天,针对老师布置的任务去通读论文,同时学习一些研究论文之前需要补充的预备知识,通过完成任务内的自测题,对论文有基本的理解

同时,我们也会安排一场针对论文的话题讨论,让同学和老师针对论文话题进行讨论学习,发表自己的观点

讨论主题:

1、多模态情感分析的发展趋势

2、注意力机制的应用

3、Pytorch实现过程有意思的BUG

4、Python深度学习编程的技巧

5、人脸检测/人脸识别精度和复杂度如何取舍?

Day3
观看精讲视频

完成前两天的任务以后,我们会在第三天提供论文的精讲视频,通过观看视频,对论文中最重要的内容进行提取,针对模型/算法/训练技巧,数据集,试验,结果分析等,构建讲解脉络,逐一讲授分析脉络中每一块重要内容,

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

Day4
写学习笔记

在第四天,我们会要求大家完成教学计划内老师布置的作业,包括阅读论文和代码实践的作业,再写一篇学习笔记,比如撰写论文小结、代码局部替换或优化心得。记录自己在学习过程中疑难的地方,温故而知新,加深对论文的印象,提高理解深度

Day5
观看代码讲解

第五天,老师会提供视频,把论文中内重要的代码全部讲一遍,让我们理解代码的结构,指导代码的实现方式和调优技巧

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

Day6
运行代码

让大家根据我们提供的资料和代码先跑一遍,然后再根据老师的思路在此基础上进行进一步的调优和优化,最终和其他同学们对比结果的差异性,互相学习进步

Day7
直播答疑

老师在直播期间,会讲解一些论文相关的知识点,并解答同学们在学习本篇论文中出现的问题,包括自己在学习过程中当时没有注意到的点,大家可以在直播当天和老师现场互动

不仅如此,针对问题我们设计了三种维度的答疑

1、导师接受1对1提问,12小时之内保证解决问题

2、每月统一收集问题直播答疑,系统讲解重难点

3、微信群助教及时互动,群友互答

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

论文有哪些?

我们讲论文以CV和NLP两个领域进行了详细的分类,在选择具有整体/宏观性、经典性、基石性paper的同时,还选用了前沿性和热门且有效方法的paper。首先是两个方向都需要学习的一篇经典论文

最后1天 | 人工智能Paper精读班,视频讲解+代码实现
统领篇
最后1天 | 人工智能Paper精读班,视频讲解+代码实现

《Deep Learning》

由刚获得图灵奖的Yann LeCun, Yoshua Bengio 和 Geoffrey Hinton 三位人工智能大师在Nature上发表的深度学习综述系统性地讲述了深度学习的特点和优势,列举了计算机视觉CV、自然语言处理NLP、强化学习RL的相关研究。

最后1天 | 人工智能Paper精读班,视频讲解+代码实现
CV方向
最后1天 | 人工智能Paper精读班,视频讲解+代码实现

经典篇:《ImageNet Classification with Deep Convolutional Neural Network》(AlexNet)

跟随近几年卷积神经网络CNN的快速发展和应用,我们选取了由Krizhevsky和 Geoffrey Hinton 在2012年的开山之作,他曾用名为AlexNet的网络结构的CNN取得了当时ImageNet比赛冠军

经典篇:《Very Deep Convolutional Networks for Large-Scale Image Recognition》(VGG)

选用了在2014年ILSVRC竞赛取得亚军的VGG网络,虽然当时竞赛的第一名是GoogLeNet,但是VGG模型在多个迁移学习任务中的表现要优于googLeNet。熟悉AlexNet与VGG后学员再研读后续的ResNet、DenseNet等变型网络结构的论文能更好的融会贯通。

前沿篇:《Region-Based Convolutional Networks for Accurate Object Detection and Segmentation》

随着CV领域目标检测方向,在近几年迅猛的发展,在自动驾驶、安防、人脸检测都有着广泛的应用。而目标检测的演化路线主要有两级式模型和单级式模型。两级式如RCNN,Fast-RCNN,Faster-RCNN,Mask-RCNN等,单级式如SSD

我们首先选取了卷积神经网络应用于目标检测领域的开山之作RCNN,为学员再去研究、理解和应用其后续演化变型结构如Fast-RCNN,Faster-RCNN,Mask-RCNN等就有了坚实的基础。

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上发表的文章,该模型在不同的数据集上,如 PASCAL VOC、MS COCO、ILSVRC,都进行了测试。在检测时间、检测精度上,达到了state-of-art 的水平。

除此以外,我们还挑选了针对人脸相关的应用人脸检测,人脸关键点预测,人脸比对,人脸识别,属性识别等等方向的论文

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)

最后1天 | 人工智能Paper精读班,视频讲解+代码实现
NLP方向
最后1天 | 人工智能Paper精读班,视频讲解+代码实现

我们抽取了三篇论文讲述词向量的发展,一脉相承,从经典到前沿。

经典篇:《Efficient Estimation of Word Representations in Vector Space》

word2vec是将词汇向量化,这样我们就可以进行定量的分析,分析词与词之间的关系,这是one-hot encoding做不到的。Google的Tomas Mikolov 在2013年发表的这篇论文给自然语言处理领域带来了新的巨大变革,提出的两个模型CBOW (Continuous Bag-of-Words Model)和Skip-gram (Continuous Skip-gram Model),创造性的用预测的方式解决自然语言处理的问题,而不是传统的词频的方法。奠定了后续NLP处理的基石。并将NLP的研究热度推升到了一个新的高度。

经典篇:《Neural Machine Translation by Jointly Learning to Align and Translate》

Attention机制最初由图像处理领域提出,后来被引入到NLP领域用于解决机器翻译的问题,使得机器翻译的效果得到了显著的提升。attention是近几年NLP领域最重要的亮点之一,后续的Transformer和Bert都是基于attention机制。

经典篇:《Transformer: attention is all you need》

这是谷歌与多伦多大学等高校合作发表的论文,提出了一种新的网络框架Transformer,是一种新的编码解码器,与LSTM地位相当。

Transformer是完全基于注意力机制(attention mechanism)的网络框架,使得机器翻译的效果进一步提升,为Bert的提出奠定了基础。该论文2017年发表后引用已经达到1280,GitHub上面第三方复现的star2300余次。可以说是近年NLP界最有影响力的工作,NLP研究人员必看!

前沿篇:《A Convolutional Neural Network for Modelling Sentences》

前沿篇:《fasttext:Bag of Tricks for Efficient Text Classification》

第一篇论文将CNN引入NLP来进行文本分类,巧妙地设计了filter的结构,将n-gram的思想用于NLP,很巧妙。第二篇的思想比较简单,效果很好,效率很高。

前沿篇:《Siamese recurrent architectures for learning sentence similarity》

该篇论文仅仅是Siamese network的一个使用场景。在Kaggle question pair match和国内的很多NLP比赛中,比赛的冠军们无一不使用siamese network,该网络模型在图像、语音等领域也有广泛的应用,是非常实用的模型。

从事深度学习自然语言处理的人,能通过这6篇Paper的授课、精读、代码详解和代码实操,奠定坚实的研究基础。

最后1天 | 人工智能Paper精读班,视频讲解+代码实现
学完以后,我可以保证你至少能收获
最后1天 | 人工智能Paper精读班,视频讲解+代码实现

1获得正确的阅读Paper的方法

2 获得深度学习领域的研究概貌和前沿知识;

3 洞悉优秀的论文研究团队的研究方法、思路;

4 细化吸收配套代码,快速借鉴用于自己的科研上。

5完成0-1的构建,举一反三,自主可以高效阅读和复现更多的论文

最后1天 | 人工智能Paper精读班,视频讲解+代码实现
不仅如此,你还能收获
最后1天 | 人工智能Paper精读班,视频讲解+代码实现

1、赠送价值1198元为期一年1对1咨询服务,11位重量级人工智能大咖坐镇,全方位解决你的学习困惑

2、每周五热门话题讨论,400+学员的集体头脑风暴,资源、干货、观点一起碰撞

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

4、超过15家知名互联网企业的内推合作

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

最后1天 | 人工智能Paper精读班,视频讲解+代码实现
带学导师团

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

为保证每位学生得到更好的指导,我们每个班级人数不超过100人。老师将在群里及时和大家答疑互动。

为期7周

最后1天 | 人工智能Paper精读班,视频讲解+代码实现
现在加入,仅需298元!
最后1天 | 人工智能Paper精读班,视频讲解+代码实现
CV方向论文班

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

(如果你想两个打包售卖,我们可以优惠~详情咨询客服)

最后1天 | 人工智能Paper精读班,视频讲解+代码实现
NLP方向论文班

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

报名时间:2019年5月22日—2019年6月4日

支持支付宝花呗分期付款,信用卡分期付款。我们可以帮你付利息!

学习不在于花销多少,而在于你的收获一定要大于付出!

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

年轻最有效的资本是时间,让我们带你更有效的学习,帮你节约你自己盲目摸索的时间。让你赚取更多的价值!

我们其他训练营的学习氛围

在我们的学习群里,你不仅能接触到更多严格要求自己的人,还能让你的学习效果在深度交流中实现最大化!

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

如果你还在犹豫,不如看看有多少位学生已经加入学习了

报名情况

1、超过1.9w+学员已加入训练营

2、累积打卡总195683+次

为了鼓励学生坚持学习,按要求完成作业,我们将赠送你如下福利!打卡全勤将全额返现!不花一分钱,学完整门课!

截止目前我们已累积返现8万余元,还在不断累积

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

(训练营采取的积分机制,打卡、点评、点赞都会有得到相应的积分,凭积分就可以换取相应奖品!)

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

此外,积极参加社群活动,还有机会获得【深度之眼】的精美周边产品

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

学员曾给我们的反馈

我们的模式在往期训练营里做到了零吐槽!零差评!

而我们,还在不断的更新迭代

睁开眼,阳光和你都在~

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

可上下滑动,查看部分学员评价

最后1天 | 人工智能Paper精读班,视频讲解+代码实现
现在加入,仅需298元!

最后1天 | 人工智能Paper精读班,视频讲解+代码实现
CV方向论文班

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

(不同方向所带读的论文内容不同,请大家按照自己研究领域选择)

最后1天 | 人工智能Paper精读班,视频讲解+代码实现
NLP方向论文班

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

(不同方向所带读的论文内容不同,请大家按照自己研究领域选择)

报名时间:2019年5月22日—2019年6月3日

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

添加班主任送你免费《Python 基础训练营》

备注:如有任何问题,也请添加班主任微信咨询

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

开启你的升级之旅

除此以外,我们还有会员专享的十七大训练营,通过系统的课程体系让你从入门进阶到企业实战

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

购买VIP需添加班主任微信拉群哦!

支持花呗/信用卡分期,我们帮你付全部利息!

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

订阅须知

Q:课程资料在哪里看?

A:所有的课程资料均会在训练营内上传,报名以后请务必添加客服微信入群!

Q:视频可以电脑看吗?

A:课程视频支持PC端倍速播

Q:报名后可以退款吗?

A:本服务为虚拟内容产品,一经购买,概不退款,敬请谅解。

Q:可以开具发票吗?

A:可以开具普通发票,请联系微信班主任填写需要的信息即可。

名企合作

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

讲师招募

深度之眼首创训练营模式,在不到一年时间已有1.8万名付费学员,我们长期招募兼职讲师,以在线工作为主,分成收入佳。

只要您在一下方面有某一专长:

1、 精读过《深度学习》花书李航《统计学习方法》、《机器学习》西瓜书等AI类知名书籍,可以开设以此书籍为教材的带读班。

2、系统学过李宏毅的《机器学习》《深度学习》、李飞飞《计算机视觉课》或是国外名校的知名公开课,可以开设以此课程为教材的带学班。

3、打过Kaggle、天池、AI challenger、科赛网、DC等竞赛,并取得过前5的成绩,可带竞赛班

4、如果你自己曾经读过AI类的经典或者前沿论文,并且对论文做过深入的分析和研究,可作为我们的paper精读班老师

5、如果你在企业里面,有参加过实际的企业项目,可以作为我们AI企业项目实战班

我们不需要你全能,只要你在某一个方面特别擅长,即可担任我们的带学导师。

欢迎大家扫客服微信联系我们!

最后1天 | 人工智能Paper精读班,视频讲解+代码实现

磐创AI:http://www.panchuangai.com/ 智能客服:http://www.panchuangai.com/ TensorFlow:http://panchuang.net 推荐关注公众号:磐创AI

原创文章,作者:fendouai,如若转载,请注明出处:http://panchuang.net/2019/06/05/d3a0ba7c0e/

发表评论

电子邮件地址不会被公开。

联系我们

400-800-8888

在线咨询:点击这里给我发消息

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息