<script type="text/javascript" src="//rf.revolvermaps.com/0/0/1.js?i=5ccx59t5xwh&s=350&m=7&v=true&r=false&b=000000&n=false&c=ff0000" async="async"></script>
如果在你浏览的是github里的readme文件，无法查看视频，请点击The School of AI Beijing
- 关于SoAI-About The School of AI
- 学习资料-Learning material
- 开发环境-Dev environment
- 课程列表-Syllabus
- 课程内容-Contents
- 作业汇总-Homework Summary
- 参考资料-References
- 结业答辩-Graduation presentations
- 交流分享-Share
- 合作方-Partner
- An international educational non-profit platform dedicated to studying, teaching and creating AI to help solve the world’s most difficult problems. Our mission is to offer a world-class AI education to anyone on Earth for free.
- Siraj对SoAI的介绍
- 北京分部有中文、英文两个版本，详情：
- 多种方式：本地、云环境，由于不少项目需要GPU支持，建议采用云环境
- 为什么大家都用jupyter notebook？深度学习代码只能在notebook上跑吗？
- 非也，notebook主要用于教学展示，代码分享，工程落地时，必须转成单个的python文件，按照机器学习的基本流程划分文件及目录，常见的结构如下：
- data：数据目录，包含：
- train.txt
- test.txt
- validation.txt（可选）
- bin：核心代码，主要包含：
- model.py：模型定义
- feature.py：特征工程部分，离线训练和在线评估都有
- train.py：模型训练代码
- predict.py：在线预测（inference，推断）
- model：模型存放
- log：日志目录
- 训练日志，如tensorboard日志
- conf：配置文件
- common：公共库、组件
- eva.py：效果评估
- data：数据目录，包含：
- Google colab，与github直接打通，免费GPU（Tesla T4）
- 如果无法访问，建议使用Kaggle，fastai接入指南,从0到1走进kaggle
- 【2019-05-12】kaggle注册时可能收不到验证码，原因是伟大的墙，解决方法：①找个v-p-n②kaggle注册无法激活怎么办
- fastai官方代码库
- 第1课的官方视频，图像分类-需vpn,bilibili-无需vpn,第1课的更新,第一课笔记
- 知识体系(参考第一次课：深度学习入门指南)
- 如何高效学习
- 知乎：为什么大多数人宁愿吃生活的苦，也不愿吃学习的苦？（主动吃苦）
- 学习金字塔:
- 主动学习＞被动学习
- 教授＞总结＞实践＞看书>听课
- 费曼技巧：终极快速学习方法
- 怎么成为大牛？走出舒适区，进入学习区
- 大脑的学习之道：图谱结构+注意力+联想记忆+推理反思
- 数学基础：（选读，如果想深入学习，就必读）
- 线性代数（35%）
- 资料：「Deep Learning」读书系列分享第二章：线性代数-分享总结 【文字版】, 线性代数笔记
- 概率与信息论（25%）
- 资料：「Deep Learning」读书系列分享第三章：概率和信息论-分享总结，【文字版】
- 其他资料：Deep Learning解读合辑-国庆特辑, 视频版
- 线性代数（35%）
- Python生态圈
- numpy, 矩阵运算工具，资料如下：
- pandas，表格数据分析工具，资料如下：
- matplotlib,画图工具，资料如下：
- 机器学习入门：
- 深度学习入门：
- 神经网络讲解【3Blue1Brown优质讲解】，该系列一共4个视频，第一个如下：
- <iframe src="//player.bilibili.com/player.html?aid=15532370&cid=25368631&page=1" scrolling="yes" border="0" frameborder="no" framespacing="0" allowfullscreen="true" height="600" width="100%"> </iframe>
- 神经网络Web Demo，可在线体验神经网络训练过程
- <iframe src="https://playground.tensorflow.org/" scrolling="yes" border="0" frameborder="no" framespacing="0" allowfullscreen="true" height="600" width="100%"> </iframe>
- 神经网络3D仿真特效（多种网络结构对比）
- <iframe src="//player.bilibili.com/player.html?aid=13942311&cid=22776951&page=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true" height="600" width="100%"> </iframe>
- 手写数字识别在线体验
Fast.AI系列速成实战课程，时间安排如下：
- 注意：这是github page搭建的主页，如想进入github，请点击“View on Github”，示例如下：
- 历次ppt课件资源
| 时间-Date | 章节-Chapter | 题目-Topic | 预习资源-Resources | 正式解读-Interpretation | 作业-Homework |
|---|---|---|---|---|---|
| 2019-04-21 | 介绍 | 深度学习入门指南 | 请完成ppt里提到的作业，长期 | 这节课长达2h，内容非常多，覆盖深度学习入门几乎全部知识点 | 完整看完80+页的ppt，并预习第二课 |
| 2018-04-27 | 第一课 | 宠物图片分类,英文视频,中文版笔记 | Github代码 | 安装fastai环境并动手实现，代码解析：Github本地,Colab,Kaggle | 亲手执行本次代码，熟悉fastai环境 |
| 2018-05-12 | 第二课 | 特征工程及SGD,英文视频,中文版笔记 | Github代码 | github,colab,kaggle示例 | ①熟悉fastai+kaggle环境②执行scikit-learn代码，github库里，code/lecture_2目录下 ③学完google机器学习速成课速成课（地址见本页面的入门必读） ④预习神经网络fastai第五课-反向传播与神经网络 |
| 2018-05-* | 第三课 | 多标签分类,英文视频,中文版笔记 | Github代码 | - | 作业 |
| 2018-05-* | 第四课 | NLP&推荐系统,英文视频,中文版笔记 | Github代码 | - | 作业 |
| 2018-05-* | 第五课 | 从反向传播到神经网络,英文视频,中文版笔记 | Github代码 | github代码,ppt | 作业 |
| 2018-05-* | 第六课 | 正则化卷积,英文视频,中文版笔记 | Github代码 | - | 作业 |
| 2018-05-* | 第七课 | Resnets、GAN等,英文视频,中文版笔记 | Github代码 | - | 作业 |
| - | - | - | - | - | - |
最新课程安排见project区，Fastai中文笔记，kaggle中文代码
- 本教程以fastai的速成课为蓝本（注意：需要vpn，如果没有，请往下看，找bilibili上的视频）
- 如有问题，可以去SoAI论坛提问
- 深度学习入门全貌，请仔细看
- 主题：fastai课程的第一课进行讨论：图像分类。
- 时间：于4月27日星期日下午5点举行
- 地点：双清路77号院双清大厦4号楼4层清华数据科学研究院
议程：
- 介绍fastai第1课的必要资源,如何获取fastai的资源
- 学生现场演示第一课作业
- 自由问答, 遇到困难
视频资料：（来自哔哩哔哩）
- <iframe src="//player.bilibili.com/player.html?aid=46252318&cid=81036516&page=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true" height="600" width="100%"> </iframe>
- 作业提交指南
- Homework
- 分线上和线下渠道，将自己的作业整理到github或colab，去project作业汇总区新建自己的卡片
- 也可以去Fast.AI论坛-SoAI区提问
- 【注意】如何在issue中提问
-
iris数据集+机器学习实战
-
CNN简介
- 计算机视觉
- CNN基本结构
-
应用
-
反思
- 时间：2019-06-16
- 中文分支的往期内容及课件，见地址
- 答辩现场，由于学员较多，时间长，从16:00-19:40，衷心感谢各位坚持到最后
- 第一位 邢畅, xingchang, 16:07，学习总结，在地理信息系统里的应用
- 介绍了GIS领域的应用，整理了详细的学习笔记、脑图
- 第二位 张天奇，Tianqi.Zhang，16:27，kaggle比赛，基于新闻语料的股价涨跌预测，Eric Zhang
- 成绩：356/2800, ≈13%，4个人的团队，负责特征工程+多线程实现，xgboost主要负责分类
- 提问：
- xGBoost的原理，既可以用于分类，还可以用于回归
- 代码里将的metric用的是MSE，而xgb导入的是分类器，看似矛盾？
- 第三位 五个人，推荐资料：数学基础张宇36讲，课程内容回顾；
- 蒋宝尚，mnist的python实现，文本分析（大爆炸+华为+五月天）
- 周启红，学术文章关键词提取，学习过程中遇到的坑儿
- 王瑞华，视频汇报
- 第四位 黄安付，17:15，专题报告：fit_one_cycle()详解
- 优化算法，鞍点（saddle point），病态矩阵，粒子群算法
- 提问：动量解释，附加SGD系列优化算法演进，An overview of gradient descent optimization algorithms,How to Escape Saddle Points Efficiently,SGD算法比较，如下图，注意：v是动量部分，g是梯度部分
- 第五位 李靖华，17:36，学习总结
- git，学习方法总结
- 实习经历，4w张图片分类，用代码1天完成，做事情时先别急着动手
- 成功拿到创新工场的实习机会，新人到职场的华丽蜕变
- 总结
- 答辩里的几个技术点可以继续深挖：
- ①sgd各种算法演化，动量和梯度分别对应哪一块？这道题是新手的进阶题，打怪升级的典型门槛
- ②kaggle项目里的矛盾点要必要澄清下，基于新闻预测股价，为什么用xgb分类？特征工程部分可以继续系统化，不满足于简单的数据处理
- ③实习经历里的4w张图像标注任务可以补充描述下，说不定有更好的办法
- 答辩里的几个技术点可以继续深挖：
- 张子涵, I wrote a short article with some doodling on neural networks and how they work. Here is the link if you want to check it out medium文章
- Mohamed Amine Aguir的Convolutional Neural Network
- Nabil Affo的Uber ride评论分类项目，jupyter代码, Medium文章Loss functions in machine learning and deep learning
- Alexander R Kivaisi, Categorizing Soccer Teams（代码见资料汇总区）, Medium文章Data Augmentation
- Min Wang(汪敏)
- Yuanyuan，CFAIR-10图像分类
- 部分学员的答辩整理已收集到目录, 欢迎大家积极分享自己的资料，共同学习，添加方式，回复本帖
- Part of the resources have been collected to this address, it's recommended to share your own ppt/code/post here by reply bellow, learn from each other
- 大部分基础知识以及扩展资料都在之前的课程ppt中,多看SoAI主页The School of AI Beijing，毕业了并不代表学完了，或者真的学好了，请大家有空多温习，少走弯路
欢迎大家入群分享、交流！
- Fast.AI论坛-SoAI北京区（英文为主）
- The School of AI 北京中文版 QQ群, 王奇文, 联系我？[email protected], qq: 547243068
- 大数据文摘+清华数据科学院研究院
- 举办地点：清华大学
- 时间：每周末一次，如想参加，请先文摘助手微信，往期海报如下：
<iframe src="https://ghbtns.com/github-btn.html?user=wqw547243068&repo=school-of-ai-beijing&type=watch&count=true&size=large" allowtransparency="true" frameborder="0" scrolling="0" width="156px" height="30px"></iframe> <iframe src="https://ghbtns.com/github-btn.html?user=wqw547243068&repo=school-of-ai-beijing&type=fork&count=true&size=large" allowtransparency="true" frameborder="0" scrolling="0" width="156px" height="30px"></iframe> --- <script type="text/javascript" src="//rf.revolvermaps.com/0/0/1.js?i=5ccx59t5xwh&s=350&m=7&v=true&r=false&b=000000&n=false&c=ff0000" async="async"></script> --- <script> window._bd_share_config={"common":{"bdSnsKey":{},"bdText":"鹤啸九天的技术博客","bdMini":"2","bdMiniList":false,"bdPic":"http://news.zx123.cn/uploadfile/news68/1800961ad02811e7b1c400163e010ef1.jpg","bdStyle":"0","bdSize":"32"},"share":{},"image":{"viewList":["qzone","tsina","tqq","renren","weixin"],"viewText":"分享到：","viewSize":"32"},"selectShare":{"bdContainerClass":null,"bdSelectMiniList":["qzone","tsina","tqq","renren","weixin"]}};with(document)0[(getElementsByTagName('head')[0]||body).appendChild(createElement('script')).src='http://bdimg.share.baidu.com/static/api/js/share.js?v=89860593.js?cdnversion='+~(-new Date()/36e5)]; </script>
<script type="text/javascript">
(function(d, s) {
var j, e = d.getElementsByTagName(s)[0];
if (typeof LivereTower === 'function') { return; }
j = d.createElement(s);
j.src = 'https://cdn-city.livere.com/js/embed.dist.js';
j.async = true;
e.parentNode.insertBefore(j, e);
})(document, 'script'); </script> 为正常使用来必力评论功能请激活JavaScript
<script> var _hmt = _hmt || []; (function() { var hm = document.createElement("script"); hm.src = "https://hm.baidu.com/hm.js?1da5e6aa58efde9ff55242aece940f6a"; var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(hm, s); })(); </script>
<script async src="https://www.googletagmanager.com/gtag/js?id=UA-139247575-2"></script> <script> window.dataLayer = window.dataLayer || []; function gtag(){dataLayer.push(arguments);} gtag('js', new Date()); gtag('config', 'UA-139247575-2'); </script>
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent
![http://news.zx123.cn/uploadfile/news68/1800961ad02811e7b1c400163e010ef1.jpg","bdStyle":"0","bdSize":"32"},"share":{},"image":{"viewList":["qzone","tsina","tqq","renren","weixin"],"viewText":"分享到：","viewSize":"32"},"selectShare":{"bdContainerClass":null,"bdSelectMiniList":["qzone","tsina","tqq","renren","weixin"]}};with(document)0[(getElementsByTagName('head')[0]||body).appendChild(createElement('script')).src='http://bdimg.share.baidu.com/static/api/js/share.js?v=89860593.js?cdnversion='+~(-new](http://news.zx123.cn/uploadfile/news68/1800961ad02811e7b1c400163e010ef1.jpg","bdStyle":"0","bdSize":"32"},"share":{},"image":{"viewList":["qzone","tsina","tqq","renren","weixin"],"viewText":"分享到：","viewSize":"32"},"selectShare":{"bdContainerClass":null,"bdSelectMiniList":["qzone","tsina","tqq","renren","weixin"]}};with(document)0[(getElementsByTagName('head')[0]||body).appendChild(createElement('script')).src='http://bdimg.share.baidu.com/static/api/js/share.js?v=89860593.js?cdnversion='+~(-new){kind=link}