3
| 本文作者： 三川 | 2017-06-08 20:37 |
你聽說過英偉達(dá)深度學(xué)習(xí)學(xué)院 DLI （Deep Learning Institute）嗎？
自從向 AI 轉(zhuǎn)型以后，英偉達(dá)的股價(jià)可說是和深度學(xué)習(xí)的市場趨勢緊緊拴到了一起。因此，接下來的事也就順理成章：英偉達(dá)聯(lián)合谷歌、Facebook、亞馬遜等同樣弄潮 AI 浪頭的互聯(lián)網(wǎng)巨頭，以及 Yann LeCun 等頂級學(xué)者，聯(lián)合設(shè)計(jì)從入門到進(jìn)階的 AI 培訓(xùn)課程。這些課程，就放在了英偉達(dá)深度學(xué)習(xí)學(xué)院 DLI 旗下。
去年，DLI 在全球范圍內(nèi)累計(jì)培訓(xùn)超一萬人。2017 年，老黃把目標(biāo)定為培訓(xùn)十萬深度學(xué)習(xí)開發(fā)者。DLI 自此也終于大舉進(jìn)軍祖國大陸。
你或許要問，英偉達(dá)一家硬件公司，為什么會如此下血本做培訓(xùn)？
人才缺口。不論是 Yoshua Bengio 所擔(dān)憂的“AI 人才培養(yǎng)的速度趕不上科技公司的需求 ”，還是李開復(fù)把互聯(lián)網(wǎng)巨頭們指為“黑洞”——AI 人才被吸進(jìn)去出不來，造成了其他企業(yè)的技術(shù)人才荒；都指向一個(gè)顯而易見的事實(shí)：全球性的 AI 人才短缺。
需求不匹配。現(xiàn)有的慕課、教學(xué)資源基本都來自于高校，這就決定了它們偏重理論與研究。而無論是開發(fā)者還是雇主，其實(shí)都更需要能快速上手、投身生產(chǎn)的培訓(xùn)項(xiàng)目。以實(shí)戰(zhàn)為導(dǎo)向的深度學(xué)習(xí)培訓(xùn)被呼吁了好幾年，但質(zhì)量參差不齊。
當(dāng)然，對于英偉達(dá)而言，玩深度學(xué)習(xí)的人多了，高端 GPU 賣得就更好了。
DLI 何時(shí)進(jìn)入中國？
DLI 的深度學(xué)習(xí)入門培訓(xùn)有兩種形式：線上實(shí)驗(yàn)室（lab）以及線下訓(xùn)練營（workshop）。
雖然 DLI 的深度學(xué)習(xí)培訓(xùn)項(xiàng)目在國際上享有盛譽(yù)，但在中國市場發(fā)力較遲。目前，線上實(shí)驗(yàn)室只有英文版。在大陸開展的線下訓(xùn)練營，就成為國內(nèi)開發(fā)者、深度學(xué)習(xí)學(xué)習(xí)者參與該培訓(xùn)項(xiàng)目的的唯一渠道。
7 月 8 日，中國計(jì)算機(jī)學(xué)會主辦的 CCF-GAIR ，國內(nèi)在線 AI 慕課平臺 mooc.ai，將與英偉達(dá)三方合作——在 GAIR 大會期間舉辦一期 DLI 深度學(xué)習(xí)訓(xùn)練營。GAIR 大會是國內(nèi)迄今已來最高規(guī)格的人工智能峰會，借此機(jī)會邀請英偉達(dá) DLI 來到深圳，向大家提供參與這一業(yè)界頂級深度學(xué)習(xí)訓(xùn)練營的機(jī)會。
本期線下訓(xùn)練營為期一天，定位為面向深度學(xué)習(xí)入門學(xué)習(xí)者的零基礎(chǔ)入門培訓(xùn)。學(xué)員需要自帶電腦，在 DLI 講師指導(dǎo)下進(jìn)行操作。旨在通過動手實(shí)驗(yàn)，親身體驗(yàn)深度學(xué)習(xí)的完整工作流程，包括數(shù)據(jù)管理、模型設(shè)計(jì)和訓(xùn)練、應(yīng)用優(yōu)化和部署。
本期訓(xùn)練營將：
以實(shí)戰(zhàn)為導(dǎo)向
英偉達(dá) DLI 特聘專家現(xiàn)場指導(dǎo)
幫助學(xué)員了解頂級互聯(lián)網(wǎng)公司的實(shí)踐方法
全程提供 AWS 云端 GPU
學(xué)員將獲得英偉達(dá)深度學(xué)習(xí)學(xué)院 DLI 頒發(fā)的證書
本訓(xùn)練營最大的特點(diǎn)，是相比“傳統(tǒng)” AI 慕課，它偏向技能培訓(xùn)而非理論教學(xué)。
本次訓(xùn)練營以大家最關(guān)心、應(yīng)用最廣的計(jì)算機(jī)視覺技術(shù)為主題。除去用來熱身的“揭秘深度學(xué)習(xí)”講座，共有三場培訓(xùn)：分別圍繞圖像分類、目標(biāo)檢測、圖像分割這三個(gè)核心任務(wù)。其中，“使用 TensorFlow 進(jìn)行圖像分割”需要基本編程能力，另外兩門不作要求。詳情如下：
該課程將講授如何借助深度神經(jīng)網(wǎng)絡(luò)，尤其是 CNN，在深度學(xué)習(xí)工作流里解決實(shí)際圖像分類問題。本課程將使用 Caffe、英偉達(dá) DIGITS 以及 MNIST 手寫數(shù)字?jǐn)?shù)據(jù)集。你將學(xué)到：
設(shè)置能在 GPU 上運(yùn)行的深度神經(jīng)網(wǎng)絡(luò)架構(gòu)
管理數(shù)據(jù)預(yù)處理、模型定義、模型訓(xùn)練以及應(yīng)對疑難問題。
使用驗(yàn)證數(shù)據(jù)測試、嘗試不同策略，來提升模型效果
這門課之后，你將能夠在你自己的圖像分類應(yīng)用上，利用英偉達(dá) DIGITS 架設(shè)、訓(xùn)練、評估、提升 CNN 的精確度。
這門課會教授學(xué)員們計(jì)算機(jī)視覺四大任務(wù)之一的目標(biāo)檢測。課程會講授三種方法：sliding window，全卷積神經(jīng)網(wǎng)絡(luò)（FCN），和 DIGITS 的 DetectNet 網(wǎng)絡(luò)模型。你將學(xué)到：
如何借助三大因素衡量目標(biāo)檢測方法：模型訓(xùn)練時(shí)間，模型精度和部署后的檢測速度
執(zhí)行 sliding window 進(jìn)行目標(biāo)檢測
把全連接網(wǎng)絡(luò)轉(zhuǎn)化為全卷積網(wǎng)絡(luò)（FCN）
使用 DIGITS 的 DetectNet 進(jìn)行更高效的目標(biāo)檢測
該課后，你將會理解每種目標(biāo)檢測方法的優(yōu)點(diǎn)，學(xué)習(xí)如何在 Caffe 上，使用英偉達(dá) DIGITS 訓(xùn)練的神經(jīng)網(wǎng)絡(luò)檢測目標(biāo)。
本課將探索把圖像分割為空間區(qū)塊的重要性。這以超出檢測圖像里單個(gè)目標(biāo)的范圍。你將學(xué)習(xí)如何對一個(gè)圖塊，而非整幅圖像的像素進(jìn)行分類。你將學(xué)到：
使用 TensorFlow 架設(shè)、訓(xùn)練、評估全卷積網(wǎng)絡(luò)（FCN）
利用 dice metric 解決類不平衡問題
通過調(diào)整超參數(shù)調(diào)節(jié)訓(xùn)練時(shí)間和模型精度
完成之后，你講學(xué)會如何在 TensorFlow 中訓(xùn)練、評估圖像分割網(wǎng)絡(luò)。
學(xué)習(xí)形式：線下授課 + 交流答疑
時(shí)間：7 月 8 日
地點(diǎn)：深圳市福田區(qū)福華路大中華喜來登酒店
培訓(xùn)價(jià)格：1999 元，前五十名報(bào)名者提供五折早鳥票，先到先得！
報(bào)名地址：http://www.mooc.ai/course/90
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
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。
