重磅系列课：火炬上的深度学习(上)
自从2012年以来，深度学习（Deep Learning）就以一种势如破竹之势突破了一个个经典的人工智能问题。面对人工智能的快速发展，你不想了解它的基本工作原理吗？你不想亲手搭建一个会识别、能认字、懂作曲的AI程序吗？你不想学会一个快速上手的深度学习框架吗？
为了满足广大学员的需要，集智AI学园推出了“火炬上的深度学习”（Deep Learning in Pytorch）这个重磅系列课程。相比较市面上良莠不齐的深度学习课程，它具备如下特点：
1、名师教学：
全部系列课程都是由具备十多年人工智能领域教学经验的北京师范大学教授、集智俱乐部创始人、集智AI学园创始人张江老师亲自设计并主讲，深入浅出、讲解细腻、风趣幽默；
2、Pytorch框架：
本课程是国内为数不多的全部采用Pytorch进行案例讲解的深度学习课程。Pytorch是由Facebook支持的一套深度学习开源框架，相比较Tensorflow，它更加容易快速上手，一经推出就广受欢迎；
3、案例教学：
课程中设置了大量的实践案例，从“手写数字加法机”到“共享单车预测器”，从“汉字星空”到“游戏高手”，每一个案例全部由张江老师精心设计选择，独特而有趣；更重要的是，代码全部共享！
4、多种授课方式：
该网络课程打破了单一的授课模式，安排了作业、项目、展示、神秘大咖嘉宾客串等多个环节丰富我们的形式；
5、丰厚回报：
为了激励学员，我们设置了“Swarmer”奖励制度。我们将根据学员的作业情况，甄选出3名优秀的学员，退还全部课程费用，并推荐到包括腾讯、百度、搜狗、联想、Momenta、彩云AI、图灵机器人、深度好奇、爱因互动等国内知名AI公司实习。
6、退费返现？你赚到了！
我们设置了丰富多彩的退费返现环节（如下），只要你够优秀和努力，有可能返还部分甚至全部学费！
动一下手指，返现100：购课后，只需动一下手指转发本文到朋友圈，即可获得返现奖励。一个赞抵一块钱，100元封顶！截止日期8月31日统一会有课程助教为大家返现，真金白银哦！
我们计划在课程结束后将全部课程内容整理成《火炬上的深度学习》书籍出版，如果您参与了某一节课的笔记整理，并最终被我们收录选用，将享受全额退费，你的名字还会出现在新书中！
如果您足够优秀，被评选上了Swarmer优秀学员，将享受全部退款！
注：
1、返现退费不可累加，最高返现为全部学费
2、最终解释权归集智AI学园所有
讲师介绍：
张江
北京师范大学系统科学学院教授、博士生导师
集智俱乐部、集智AI学园创始人
腾讯研究院、阿里研究院智库专家
张老师长期从事有关人工智能、复杂系统的教学与科研工作；曾在北京师范大学开设人工智能、计算机建模与模拟、Matlab基础及应用、复杂性思维等课程；并曾在2008年获得北京师范大学青年教师教学基本功大赛理科组一等奖；具有丰富的一线科研经验，曾指导数十名学生（包括本科生）在国内外会议、刊物发表论文数十篇，获得国家自然科学基金、北京市高等教育基金、北师大自主科研基金等多项资助，主要研究兴趣集中在人工智能与复杂系统。他先后组织集智俱乐部编写出版了《科学的极致——漫谈人工智能》、《走近2050——注意力、互联网与人工智能》两本广受欢迎的人工智能科普书。其中《科学的极致》被杨澜在其微博推荐，已反复再版，《走近2050》刚一面市就冲击到了亚马逊计算机类图书排行榜首位。
基本要求：
学员应具备如下条件：
熟练掌握Python编程，特别是Numpy数组操作部分
熟练掌握线性代数
了解概率论基本知识
课程大纲：
当“深度学习”遇上PyTorch（免费试听）
当Deep Learning遇上PyTorch，一切都会变得简单而深刻！深度学习（Deep Learning）作为当今人工智能最关键的技术，不仅在图像识别、图像生成、自然语言处理等领域大显身手，更是AlphaGo、自动驾驶等黑科技的核心。PyTorch则是一款刚刚推出，广受欢迎的深度学习开源框架，非常适合新手快速入门。我们的课程就从PyTorch开始。
首先，我们将简要介绍深度学习基本原理和应用。其次，我们介绍PyTorch框架。通过实例，我们介绍了什么是Tensor，如何对Tensor进行各种运算；我们还将介绍什么是自动微分技术，以及它在整个深度学习中的重要性。最后，我们通过实例来介绍机器学习的基本步骤以及基本概念。另外，在本课程的配套视频课程中，您还会学到有关PyTorch的安装与应用。
"摩拜单车"需要我
在这堂课中，你将和我一起亲手搭建一个名字叫Neu的神经网络，并用它来解决共享单车的数量预测问题。与此同时，你将学到如何处理数据来喂给一个神经网络，并让它完成训练的基本方法。之后，我们还会进一步解剖我们的Neu神经网络，看一看它是如何工作的；它又为什么会在一些特殊的情况下失灵。除此之外，在本课程的配套视频中，你还可以学会神经网络反向传播算法的基本原理和数学推导。
作业：手写数字识别网络
我们要求学员在神经网络Neu的架构上就行更改，从而让它能够完成手写数字的模式识别。
我卷卷卷
这一章的主角当然就是卷积神经网络了。从卷积到池化操作，本课程将深入潜出地为你介绍卷积神经网络的工作原理。之后，我们展示了如何用PyTorch来实现一个卷积神经网络，并进一步复习了张量的概念及其运算。在这个基础上，我们引出了过滤器、特征匹配与特征图的概念，并揭示了卷积神经网络的工作原理。作为本课程的附属视频，我们介绍了应用于卷积神经网络的反向传播算法。
思考与练习：手写数字加法机
请设计一个卷积神经网络，要求它能够根据输入的两张手写数字图片，自动计算并输出这两个数字的和。
神经网络如何“移情别恋”
在去年的 NIPS 2016 讲座上，吴恩达表示：“在监督学习之后，迁移学习将引领下一波机器学习技术商业化浪潮。”
什么是迁移学习？它就是一种将一个领域训练的机器学习模型应用到另一个领域中去的技术手段。在本课程中，我们将详细介绍迁移学习概念，以及如何用PyTorch实现简单的迁移学习。作为项目实例，我们将手把手地教你利用迁移学习来搭建一个“手写数字加法机”。我们还将教会你如何借用别人训练好的大型神经网络，实现你自己的计算机视觉。
作业：不同迁移学习方法的比较
“镜像网络”与“猫鼠游戏”
正如每个物质粒子都有一个镜像反粒子，卷积神经网络也存在着一个镜像，这就是反卷积神经网络。利用这种“镜像”网络，我们可以生成图像。为了让生成的图像更逼真，我们创造了两个神经网络，让它们彼此之间玩“猫鼠游戏”，这就是对抗生成网络技术（Generative Adversial Network，简称GAN）。
在本课程中，我们将首先引入图像生成任务，并讲述它的实际用途是什么；之后，我们详细讲述了卷积技术的扩展以及反卷积神经网络。随后，我们引入了“猫鼠游戏”，让一个网络充当造假的老鼠，另一个网络充当识别假货的猫，并让它们俩完成共同训练。最终，我们利用GAN训练出一个厉害的生成器。
项目：图像乘法机
设计一个神经网络架构，要求输入两张手写数字图片，计算出这两个数字相乘的结果，并用网络生成图片来表示。
Swarmer舞台
本课程最后一节课设置了一个学员展示环节，我们将根据同学们历次提交的作业情况，甄选出五名左右学生，展示他们的作业，分享他们在做作业过程中遇到的问题以及解决方案。这五名学员将会作为“Swarmer”学员的候选。
Swarmer奖励政策：
我们将根据学员完成作业的情况对优秀学员进行奖励和选拔，我们将挑选出3名优秀学员作为本年度Swarmer，他（她）们可以享受：
1、全额退费：退还全部课程费用；
2、免费推荐到集智AI学园的合作单位实习；
3、为期半年的VIP权限：半年时间内可以免费学习集智AI学园网站上的全部课程；
4、受邀参加集智俱乐部的年度大Party。
https://v.qq.com/txp/iframe/player.html?vid=c0369hvu398&width=500&height=375&auto=02016年集智学术圣诞party
特邀神 47 31908 47 15288 0 0 2360 0 0:00:13 0:00:06 0:00:07 3053嘉宾环节：
我们将邀请人工智能界业内大佬作为神秘嘉宾与大家在网络上见面。
开课时间：
2017.8.16开始，每周三20：00—21：30
课程定价：
499￥【可开发票】
包含《火炬上的深度学习》（上）系列课程共六节
抢购方式：
http://campus.swarma.org/gapp=120?src=2
免费试听：
看到这，小伙伴们一定想问，到底怎么才可以免费试听？
1、获取方式：
分享本文到【朋友圈】并带上“免费参加”等评论（分组可见和秒删的同学恕不通过哦）
截图发送给“集智小助手微信”（swarmaAI），小助手回复“报名成功”后即可免费听课
如果你参加过我们的课程，请截图后直接向已添加好友的小助手报名（不用重复添加哦）
2、截止日期：
本次免费试听活动只限前100名，人满即止。
（建议大家分享后第一时间截图给小助手，以发送给小助手截图时间为准）
3、温馨提示：
报名成功后在哪里听课？
报名成功后，小助手会拉大家进群，直播前，在群内发布免费听课链接
添加小助手为什么没有拉我入群？
由于学员较多，小助手会定期统一处理大家的消息，希望同学们不要着急。
火炬上的深度学习（下）预告
1、词汇的星空
2、机器也懂感情？
3、神经网络莫扎特
4、彩云小译
5、游戏高手
敬请期待......
推荐阅读
转载声明：本文转载自「集智AI学园」，搜索「swarmAI」即可关注。
集智QQ群｜292641157
商务合作｜zhangqian@swarma.org
投稿转载｜wangting@swarma.org
◆ ◆ ◆
搜索公众号：集智俱乐部
加入“没有围墙的研究所”
让苹果砸得更猛烈些吧！