适用人群
本项目针对感兴趣深度学习、计算机视觉、主动学习领域的学员，可以帮助学员提升项目背景，为未来相关领域求学、职业发展提升竞争力。
你将收获
微软导师推荐信
课程结业证书
具备一定的深度学习科研能力
你将学习的技能
熟练掌握用深度学习的方法完成计算机视觉图片识别任务
深入理解并实现经典主动学习方法
深入理解深度学习和计算机视觉的核心理论知识
课题介绍
计算机视觉已在工业界得以大量应用，由于摄像头普遍存在于监控，手机，电脑，智能家居等设备，获取图片非常容易，深度学习可以精准的识别，理解图片，从而带来生活的便利。比如人脸识别，异常监控报告，遥感卫星识别等。然而，这样的成功依赖于大量的人工标注数据，这使得这些应用难以被低成本、大规模的使用。主动学习研究如何智能地选择最小量的数据进行标注，来取得最高的准确率。设想如果能只用20%的标注数据得到同样高的准确率，这大大降低了模型的标注和训练成本。因此，主动学习得以风靡工业界
课程大纲
项目要求学生了解基本的机器学习概念（至少学过一门机器学习入门课程），有较为熟练的Python编程基础，并且有基本的数学基础（微积分、线性代数以及概率统计）。总时长为8周12课时，每周约3小时的课后练习。最后完成一个结题项目
1
专题内容 深度学习基本概念回顾：有监督学习、优化、正则化、调参、神经网络
考察：小测 + 代码练习
授课2小时; 学习3小时
2
Numpy + Pytorch 入门
考察：代码练习
授课1小时; 学习3小时
3
卷积神经网络：卷积、填充、池化、经典卷积神经网络设计
考察：小测 + 代码练习
授课2小时; 学习3小时
4
半监督学习介绍
考察：代码练习
授课1小时; 学习2小时
5
主动学习介绍与经典算法I
考察：代码练习
授课1小时; 学习2小时
6
主动学习经典算法II
考察：代码练习
授课1小时; 学习2小时
7
主动学习经典算法III
考察：代码练习
授课1小时; 学习3小时
8
深度学习科研方法论：如何阅读论文，如何追踪最新科研动向
考察：代码练习
授课1小时; 学习2小时
9
结业项目（可选）：基于Pytorch搭建一个目标检测模型
考察：实战主动学习图片分类项目
授课2小时; 学习8小时
课程导师
