微软人工智能 – 深度学习框架和工具

自主模式

  • 什么是随堂模式?

    随堂模式课程一般为每学期一轮次,课程每周更新,作业、考试有截止时间,由课程提供方老师、助教指导,课程完结,成绩由老师确认后,统一发放证书。

  • 什么是自主模式?

    自主模式课程常年开放加入,课件全部开放,作业、考试无截止时间,有学堂在线招募选拔的助教指导,考核通过即可自动获得证书。

来自于: Microsoft | 分类: -

课程描述

本部分内容讲围绕微软最新的深度研究方向以及深度学习在业界使用的场景,介绍深度学习网络的基本概念和应用在语音、视觉、视频、图像等领域的最佳实践,同时为大家带来一系列实际应用案例的解析。

什么是认证证书?
免费学习
认证学习
名师签名
实名认证
权威性
纸质证书
付费购买
免费赠送

课程简介

从最新一次的 ImageNet 大赛(ILSVRC)的结果,机器的视觉已经超过人类的视觉,基于深度学习的机器认知能力超过人类似乎指日可待。深度学习在对 IT 基础设施和 IT 计算能力有很高要求,而公有云平台降低了深度学习运行的门槛,使得更多的人可以便捷的使用云平台强大的计算能力来完成深度学习相关的计算。

微软的公有云Azure针对现有流行的深度学习框架提供了强大的支持,为 Cognitive ToolkitTensorFlow 以及 Caffe 等业界主流的深度学习框架提供了虚拟机模板和预配置的环境。

同时微软研究院在深度神经网络及其应用领域一直处于领先的地位,并提供了一系列算法和工具不断促进性能的提升。数据科学家们可以快速的利用这些资源进行深度学习相关的研究、开发和应用。

本部分内容讲围绕微软最新的深度研究方向以及深度学习在业界使用的场景,介绍深度学习网络的基本概念和应用在语音、视觉、视频、图像等领域的最佳实践,同时为大家带来一系列实际应用案例的解析。


核心内容:

1.     深度学习概览

2.     深度神经网络简介及模糊神经网络FNN、卷积神经网络CNN、循环神经网络RNN介绍

3.     深度神经网络在语音、计算机图形学中的结合与应用

4.     Azure GPU助力基于 TensorFlow 框架的深度学习

5.     Cognitive Toolkit 框架以及 Azure DSVM 虚拟机模板

6.     最佳实践:基于 AzureCaffe 框架的深度学习

7.     Apache Spark 微软机器学习

8.     人工智能技术在医疗健康问答系统中的应用、微软识花、Microsoft Pix案例解析

 

 

软件环境:

Microsoft Azure; TensorFlow; Cognitive Toolkit; Caffe; Apache Spark

 

是否提供资料:

 

课程级别:

高级

 

适用人群:

数据科学家

展开

课程章节

第一章
1.1 深度学习概览
第二章
2.1 深度神经网络简介及模糊神经网络FNN
2.2 卷积神经网络CNN
2.3 循环神经网络RNN
2.4 深度神经网络在语音中的应用
2.5 深度视频分析与理解
2.6 深度学习在计算机图形学中的结合与运用
2.7 强化学习DRL简介
第三章
3.1 Azure GPU助力基于 TensorFlow 框架的深度学习
3.2 Cognitive Toolkit 框架以及 Azure 上 DSVM 虚拟机模板
3.3 最佳实践:基于 Azure和Caffe 框架的深度学习
3.4 Apache Spark 微软机器学习
第四章
4.1 人工智能技术在医疗健康问答系统中的应用案例解析
4.2 微软识花案例解析
4.3 Microsoft Pix 案例解析

授课教师

  • 王井东 微软亚洲研究院 资深研究员

    王井东于2001和2004年在清华大学自动化系获得学士和硕士学位,于2007年在香港科技大学计算科学与工程系获得博士学位。2007年进入微软亚洲研究院,现任资深研究员。 发表论文100+,其中包括一本专著。他是IEEE、ACM 高级会员,中国计算机学会会员,担任了AAAI 2018,ICCV 2017,CVPR 2017,ECCV 2016,ACMMM2015,ICME 2015,ICME 2012的area chair / track chair /senior program committee member, ICMR 2014 special session chair,CVPR,ICCV,ECCV,ACMMM,NIPS,IJCAI,SIGIR等多个国际会议的程序委员会委员,IEEE Transactions on Multimedia 和Multimedia Tools and Applications编委会成员,以及 TPAMI,IJCV,JMLR,TIP,TKDE,TMM等主流期刊的审稿人。2015年, ACMMM最佳论文奖入围。个人主页: https://jingdongwang2017.github.io/ 。

  • 姚霆 微软亚洲研究院 研究员

    姚霆博士,微软亚洲研究院多媒体搜索与挖掘组研究员,主要研究兴趣为视频理解、大规模多媒体检索和深度学习。他带领研究团队在COCO图像描述自动生成、2017年VISDA视觉领域自适应语义分割任务、2016&2017年ActivityNet视频行为识别和2015年THUMOS视频动作识别等多个国际级比赛中取得了世界领先的成绩。同时他也是2016年和2017年MSR视频描述自动生成比赛的组织者之一。他于2014年在香港城市大学获得计算机科学博士学位。为了表彰他在多媒体检索相关领域的突出贡献,他于2015年被授予了SIGMM杰出博士毕业论文(Outstanding Ph.D. Thesis)的荣誉。

  • 蔡猛 微软亚洲研究院 研究员

    蔡猛目前在微软亚洲研究院语音组担任研究员。他于2016年获得清华大学博士学位,并加入微软亚洲研究院。他的研究方向是语音识别、手写识别和深度学习算法。

  • 傅建龙 微软亚洲研究院 副研究员

    傅建龙目前是微软亚洲研究院副研究员。长期从事图像识别、目标检测,和多媒体内容分析等研究,已经在计算机视觉和多媒体分析顶级国际会议和期刊(CVPR/ICCV/ACM Multimedia/WWW/AAAI/IJCAI/T-CSVT)发表论文10余篇。主要研究方向包括:精细化物体识别,弱监督、多标签图像标注,目标检测,视觉与语言建模,视觉情感分析等。

精华笔记

精华笔记正在评选中,去看看全部笔记

常见问题

目前还没有常见问题哟!