我要报名
适用人群
本项目针对感兴趣学习深度学习、神经网络训练、自动驾驶领域的学员,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
基于深度学习的计算机视觉项目证明
从无到有搭建一个深度学习视觉系统
硅谷导师推荐信
你将学习的技能
人工智能
深度学习
自动驾驶
课题介绍
计算机视觉的应用无处不在。从iPhone人脸识别,到无人超市商品分类,甚至于自动驾驶的车辆追踪,肺部X光照片自动诊断,计算机视觉都是最为重要的一环。 在近10年间,计算机视觉技术的发展和深度学习的崛起紧密相连。在2012年,深度卷积神经网络AlexNet以极大的优势夺得ImageNet图像分类大赛冠军。自此,深度学习开始横扫计算机视觉的各类任务,基于深度学习的计算机视觉也成为了学界、业界公认的发展方向
课程大纲
项目内容主要包括: 机器学习基础概念回顾与进阶;基于Pytorch的深度学习;卷积神经网络;卷积神经网络在图像分类、特征点检测和目标检测的应用;深度学习科研方法论。总时长为12周,每周有约3小时的授课,加上约3小时的课后练习。课程可选搭配一个8-10小时的结业项目
1
机器学习基本概念回顾:有监督学习、优化、正则化、调参、常用机器学习模型等
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2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
机器学习进阶概念:归一化、dropout、迁移学习等
考察:小测 + 代码练习
授课1小时; 学习2小时
5
目标检测入门(包含特征点检测)
考察:理论材料学习
授课1小时; 学习2小时
6
目标检测进阶:FPNs, Yolov3, CenterNet
考察:理论材料学习
授课1小时; 学习3小时
7
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:理论材料学习
授课1小时; 学习2小时
8
结业项目(可选):基于Pytorch搭建一个目标检测模型
考察:综合练习+深度学习网络搭建
授课2小时; 学习8小时
课程导师
Troy

经历

智加无人驾驶计算机视觉工程师(美国)
微软亚洲研究院自然语言处理实习生(中国)

教育

新加坡国立大学数学&统计本科
斯坦福大学统计硕士