公开课年度盘点，AI 研习社的人工智能视频学习资料全在这里了！
在2017年，AI研习社围绕人工智能做了一系列公开课，给大家带来知识的同时，也给了嘉宾们一个展示的舞台，下面是我们的年度盘点。
Deep Learning读书分享系列
全网卖到脱销的「Deep Learning」，自发售以来长期位居美国亚马逊AI和机器学习类图书榜首，是所有数据科学家和机器学习从业者的必读图书，曾受特斯拉CEO埃隆·马斯克等众多国内外专家重磅推荐。AI研习社邀请多位嘉宾，为大家分享他们学习「Deep Learning」的心得。
Deep Learning读书分享（一）
内容简介：本次读书分享主要针对《深度学习》第一章内容，知识点如下：什么是深度学习；跟机器学习的关系；神经网络的历史；深度学习能做什么。
地址：http://www.mooc.ai/open/course/315
Deep Learning读书分享（二）（三）
内容简介：本次读书分享主要针对《深度学习》第二、三章内容，知识点如下：基本框架；向量、矩阵、矩阵分解；应用案例；常用分布；频率学派和贝叶斯学派；信息论。
地址：http://www.mooc.ai/open/course/317
Deep Learning 读书分享（四）
内容简介：本次读书分享主要针对《深度学习》第四章内容，关于深度学习算法中的数值计算问题进行分析，包括各种误差的产生和应对，以及梯度优化和约束优化方法的讲解。
地址：http://www.mooc.ai/open/course/328
Deep Learning读书分享（五）
内容简介：本次读书分享主要针对《深度学习》第五章-- 机器学习基础。知识点如下：机器学习算法的定义；常见的机器学习算法；改进机器学习算法的思路；机器学习的挑战。
地址：http://www.mooc.ai/open/course/319
Deep Learning读书分享（六）
内容简介：本次读书分享主要针对《深度学习》第六章内容，主要知识点如下：深度前馈网络概要；如何解决异或难题；基于梯度的学习；反向传播；隐藏单元；架构设计。
地址：http://www.mooc.ai/open/course/321
Deep Learning 读书分享：深度网络的正则化（七）
内容简介：本次读书分享主要针对《深度学习》第七章内容，主要知识点如下：（1）两种类别：参数正则（L1,L2详解）和约束正则；（2）其他方式：数据增强，加噪音，早停止，参数共享，集成方法，dropout等。
地址：http://www.mooc.ai/open/course/251
Deep Learning读书分享：深度模型中的优化（八）
内容简介：本次读书分享主要针对《深度学习》第八章 -- 深度模型中的优化，主要知识点包括：学习和纯优化有什么不同；神经网络优化中的挑战；基本算法；参数初始化策略；自适应学习率算法等。
地址：http://www.mooc.ai/open/course/235
Deep Learning读书分享：卷积网络（九）
内容简介：本次读书分享主要针对《深度学习》第九章内容，主要知识点如下：卷积运算；动机；池化；卷积与池化作为一种无限强的先验；基本卷积函数的变体；结构化输出；数据类型等
地址：http://www.mooc.ai/open/course/264
Deep Learning读书分享(十)（十一）
内容简介：本次读书分享主要针对《深度学习》第十章和第十一章内容，主要知识点包括序列建模：循环和递归网络和实践方法论。
地址：http://www.mooc.ai/open/course/336
Deep Learning读书分享(十二)（十三）
内容简介：本次读书分享主要针对《深度学习》第十二章和第十三章内容，主要知识点包括深度学习的具体应用场景以及线性因子模型。
地址：http://www.mooc.ai/open/course/429
深度学习算法基础、实践
如今人工智能“大行其道”，而深度学习正是其中最有力的工具之一。为此我们邀请了众多嘉宾，分享内容包括基础入门、算法讲解和应用实践。
机器学习中的数学基础
内容简介：现实生活中有很多处理各种数据的问题，需要用到不同的机器学习算法。本期公开课嘉宾将从机器学习应用的角度讲解机器学习中涉及的基本数学知识。
地址：http://www.mooc.ai/open/course/253
AI小白的机器学习入门之路
内容简介：AI研习社邀请硕士在读的清华大学陈丹阳同学介绍她的AI学习之路。作为航天专业的她，当初为何选择机器学习？学习过程中又有哪些经验分享，又是如何加入商汤科技的？关注本次公开课，相信她的分享会让正在学习的你有所收获。
地址：http://www.mooc.ai/open/course/269
深度学习基础入门（一）
内容简介：本场公开课嘉宾将通过解读神经网络的发展历史，顺而全面介绍全连接神经网络、损失函数、梯度下降算法及反向传播算法。
地址：http://www.mooc.ai/open/course/286
深度学习基础入门 （二）卷积神经网络卷积神经网络
内容简介：本场公开课嘉宾将重点介绍卷积神经网络。
地址：http://www.mooc.ai/open/course/331
深度学习系列（三）：循环神经网络
内容简介：本系列公开课一共三场，本场为第三场，将重点阐述循环神经网络。
地址：http://www.mooc.ai/open/course/342
从传统算法走向神经网络
内容简介：次分享会通过将深度学习的根基——神经网络与传统机器学习算法（朴素贝叶斯、决策树）进行比较，从而直观地说明为何它如此有效
地址：http://www.mooc.ai/open/course/299
从零开始入门机器学习算法实践
内容简介：AI研习社此次公开课的主讲人邀请到来自日本名古屋大学的计算流体博士，他有着扎实的数学理论基础，帮助大家对模型选择以及对数据分析有更全面理解，以提高在实际工作中选择算法的能力。
地址：http://www.mooc.ai/open/course/302
深度学习之星（一）：GAN的原理
内容简介：本场公开课嘉宾将详细解读GAN的基本原理，并通过小实验在mnist数据库上通俗还原GAN的每一步实现过程，在此基础上再分享几篇GAN在图像风格转换领域应用的文章。
地址：http://www.mooc.ai/open/course/301
深度学习之星（二）：GAN之图像转换
内容简介：本场公开课将分享GAN在图像风格转换方面的应用，并深入解读2篇GAN在图像风格转换方面最新的论文，探索GAN在图像转换领域的实现方法。
地址：http://www.mooc.ai/open/course/361
计算机视觉概述和深度学习简介
内容简介：此次公开课上海交通大学卢宪凯博士将会介绍计算机视觉的定义、研究方法和应用举例，还会重点介绍深度学习发展历史，常见深度学习网络介绍和开发平台，帮助计算机视觉入门者和从业者进行有效的基础夯实和系统梳理。
地址：http://www.mooc.ai/open/course/344
阿萨姆：机器学习实践经验分享
内容简介：在今天的分享课中，我们将会集中讨论在机器学习中所面临的选择，并给出一些实用的经验建议。
地址：http://www.mooc.ai/open/course/375
深度学习中的分布式训练
内容简介：尽管GPU的硬件技术不断发展以及网络模型结构不断取得突破，但是对大模型或大数据集，单设备训练耗时过久的问题仍存在。因此，本次公开课，IBM 系统部研发工程师武维博士将分享他在深度学习分布式训练中的实践经验。
地址：http://www.mooc.ai/open/course/410
比赛经验
下面是几位高手华山论剑的经验之谈，希望能给诸位启发。
Kaggle亚马逊比赛金牌队：图像比赛的通用套路
内容简介：在 Kaggle 风靡国外之后，国内也有京东、阿里在内的许多公司组织起自己的各种机器学习相关比赛，去年6月的京东 JData 算法大赛就是这样，除了提高自己的影响力，京东借机招人的心思同样体现得非常明显。我们邀请了在 Kaggle 上参加亚马逊比赛的金牌队伍成员，给大家讲讲他们的获奖方法。
地址：http://www.mooc.ai/open/course/314
天池医疗AI大赛冠军团队算法分享：肺部结节智能检测
内容简介：在去年十月结束的天池医疗AI大赛（肺部结节智能诊断）中，由北京大学王立威教授指导的LAB2112团队获得了决赛总冠军。本次分享，将由该团队的队长王东介绍他们在天池医疗AI大赛中所采用的算法，以及他们在肺部结节检测方面的相关工作。
地址：http://www.mooc.ai/open/course/280
动量迭代攻击和高层引导去噪：对抗样本攻防的新方法
内容简介：对抗样本的存在会使得深度学习在安全敏感性领域的应用收到威胁，如何对其进行有效的防御是重要的研究课题。 NIPS2017 举办了一个对抗样本攻防比赛，清华大学廖方舟博士提出了两个新方法，各自获得了攻击方和防守方的第一名。
地址：http://www.mooc.ai/open/course/383
深度学习应用
深度学习技术被应用到各行各业中，实践证明深度学习在很多问题上确实取得了不错的效果。下面是三个深度学习应用案例的经验和心得分享。
（文本分类）NLP技术的应用实践和案例分析
内容简介：国内机器学习/人工智能火热的大环境，国内的各种比赛不仅会越来越多，比赛中队伍的总体水平也会跟着越来越高，对参赛的人自己来说也是非常好的交流和检验的机会。我们邀请了在 Kaggle 上参加亚马逊比赛的金牌队伍成员，给大家讲讲他们的获奖方法。
地址：http://www.mooc.ai/open/course/174
（语音生成）深度学习在语音生成问题上的典型应用
内容简介：本文将重点分享近年来深度学习在语音生成问题中的新方法，围绕语音合成和语音增强两个典型问题展开介绍
地址：http://www.mooc.ai/open/course/190
（物体位姿测量）深度学习在物体位姿测量方面的应用
内容简介：传统的位姿测量方法已经发展了几十年，硕果累累但也受到越来越成熟的限制，随着深度学习的兴起，位姿测量领域出现了很多惊艳的方法，本期嘉宾将分享的就是这些还年轻但是很有意思的位姿测量方法。
地址：http://www.mooc.ai/open/course/343
开源框架
2017年最火的框架无疑是TersorFlow，但是还有很多有特色的深度学习开源框架也值得关注，下面有罗若天同学强力推荐的Pytorch，也有基于JAVA的Deeplearning4j，还有百度的paddlepaddle。
深度学习框架PyTorch简介
内容简介：PyTorch是Facebook今年一月份发布的一个深度学习框架。它继承了LuaTorch的底层代码，并在此之上支持了动态计算图的自动求导。分享人会就PyTorch的功能设计，简单实例和使用贴士进行简单的介绍。
地址：http://www.mooc.ai/open/course/198
基于Java的开源深度学习框架-Deeplearning4j的介绍与实例分享
内容简介：本次分享将介绍Deeplearning4j框架的构成、主要功能模块并结合实例讲述具体的使用方法。
地址：http://www.mooc.ai/open/course/333
如何利用paddlepaddle做一个简单的聊天机器人
内容简介：语音助手，也称为聊天机器人作为人工智能交互的入口之一，其战略地位，好比百度之于PC，微信之于手机，已经成为巨头兵家必争之地。什么是聊天机器人，聊天机器人又有哪些难点，本次公开课，容顺林将运用paddlepaddle来带你动手自己写一个简单的聊天机器人。
地址：http://www.mooc.ai/open/course/379
数据预处理
数据的采集、标记、清洗会对算法的结果产生直接的影响，如何提高数据质量？DataStory和达观数据的两位高级数据工程师
AI数据面面观---从数据采集与标记行业看数据与深度学习之关系
内容简介：对于研发高水平的算法，数据的高质量采集、清洗、处理等等对算法效果会有直接影响。本次分享主要介绍数据规模、数据质量等与深度学习算法之间的关系，以及为算法做数据准备的一些经验。
地址：http://www.mooc.ai/open/course/218
如何巧用工具实现百亿级互联网数据快速清洗
内容简介：要成为专业数据挖掘和分析的工作人员并不容易，单数据清洗和转化是一项非常繁琐和复杂的工作，占用了很大的工作量。本次分享将整体介绍数据清洗的全过程，并以实战案例出发教大家在数据清洗过程中如何巧用工具。
地址：http://www.mooc.ai/open/course/386
深度学习芯片
深度学习、体系结构、数据规模的共同发展促进了人工智能行业的繁荣。除去框架和算法，硬件方面也值得我们关注。
深度学习处理架构的演进
内容简介：深度学习、体系结构、数据规模的共同发展促进了人工智能行业的繁荣。在通用架构之外，深度学习处理架构已经经历了三代的发展，从计算优化、存储优化，到结合Deep Compression的稀疏化处理架构。本次分享将简要介绍Deep Compression，分析深度学习计算中的核心问题，并介绍最新的深度学习处理架构发展。
地址：http://www.mooc.ai/open/course/220
FPGA的动态电压调节(DVS)
内容简介：由于FPGA独特的可编程硬件结构，它们的片上电路随应用的改变而改变，这为FPGA的动态电压调节带来了极大的困难。本次公开课，赵舒泽将分享他们提出的基于自测量的FPGA动态电压调节解决方案。
地址：http://www.mooc.ai/open/course/407
感谢大家对AI研习社的关注和支持。
新人福利
关注 AI 研习社（okweiwu），回复 1 领取
【超过 1000G 神经网络 / AI / 大数据，教程，论文】
深度学习全网最全学习资料汇总之入门篇
▼▼▼