疫情期间，大学老师都在用什么上课神器？
作为国内人工智能领军企业，百度一直为AI产业发展和落地提供基础性支持，助力AI核心技术开源，落地AI应用和人才培养。
一直以来，百度坚持为全国各大高校免费提供AI教学全套工具：包括AI教学平台AI Studio，CV和NLP不少于40课时的两套零基础入门到实战的系列课程教案以及实践案例，更有Tesla V100 GPU算力卡免费赠送，为高校师生在学习AI的道路上保驾护航。
在高校中，也涌现出一批将百度AI技术应用到实际教学中的例子，今天我们的主人公就是这样的一位老师。
先带大家认识本次课程的重量级主讲老师——燕山大学冯建周副教授。
主讲老师
冯建周 副教授 燕山大学信息科学与工程学院副教授，硕士生导师
中国计算机学会高级会员，CCF大数据专家委员会专委
先后在国内外重要期刊和学术会议发表学术论文20余篇
主持或参与国家自然科学基金和河北省自然科学基金项目
因为疫情影响，今年冯建周老师将课程搬到了线上，依托百度AI提供的全套课程内容,在AI Studio上进行教学和实践。
这门课程是《Python机器学习》，主要讲授机器学习基本算法，同学们需要进行大量线上实战，课程中老师精心设计了六组实验。
另一方面，为了延伸课程，锻炼学生的综合实践能力，老师还设计了一个三级项目环节，将AI Studio平台中的竞赛题目作为课程三级项目。包括：问答摘要与推理、人流密度检测、中文阅读理解、十二种猫分类等几个竞赛题目，让学生自由发挥，锻炼实操动手能力。
结课后，冯老师表示，“没想到教学效果出乎意料的好，AI Studio平台不仅提供了我们最需要的计算资源，还提供了丰富的实验案例，内置项目和视频功能，更是极大的减少了我们准备教案、备课的时间，不仅让学生可以自主学习，我们也能在后台看到学生的学习状态，对日常教学起到很大的帮助作用。”
老师如此盛赞，小编已经非常好奇了，一起来看看百度飞桨究竟为同学们带来了哪些成长和变化呢？
01 深度学习新人的飞桨常规赛之旅
——Halation同学
小组参加的是《常规赛：问答摘要与推理》，比赛主题为汽车大师的问答摘要与推理。作为深度学习刚刚入门不到三个月的新人，小组成员在初次看到比赛题目时，感觉无从下手。
经过老师指点，以及遍查资料后，他们决定先从文本摘要和文本推理两个方面入手，但训练后的结果不尽如人意，准确率降低。
网络结构示意
经过分析，成员们将原因锁定在网络模型不适合。如果能够人为剔除更多的对于摘要无关紧要的单词，也许可以达到更好的效果。
Halation同学说：“在机器学习入门的过程中，我们发现AI Studio平台中有着丰富的数据集资源和各种经典的实践案例，这无疑成为我们学习的宝库。另一方面，我们也从平台的众多开源项目中学习到了更多关于机器学习，尤其是深度学习方面的知识。感谢百度飞桨和AI Studio平台，通过学习，我们小组也对飞桨框架有了更多的了解，对深度学习的许多模型也有了更深的认识。我们希望在今后的学习中，更加深入了解深度学习中的模型结构，掌握模型的底层原理，最后游刃有余地运用网络模型，解决更多的实际问题。”
通过训练找到进步的地方，同学们的成长棒棒哒，少年们未来可期～
项目链接：
https://aistudio.baidu.com/aistudio/projectdetail/383197
02 飞桨教你做人流密度估计
——隔壁老常同学
近年来，行人分析视觉技术在居家、安防、新零售等多个重要领域广泛应用。
项目要求参赛者给出一个算法或模型，对于给定的图片，统计图片中的总人数。给定图片数据，选手据此训练模型，为每张测试数据预测出最准确的人数。
最终两模型各训练90000batch后结果如下：
经过讨论，同学们总结了两点改进意见：
1、对libs.post_process后处理中的参数进行优化；
2、预测忽略区域，在测试时填充黑色。
在不断的练习中复盘，同学们努力寻求更优解，百度飞桨见证了同学们一点一滴的进步和成长。
项目链接：
https://aistudio.baidu.com/aistudio/projectdetail/475632
03 飞桨帮你做中文阅读理解
—— day我不dead同学
提及阅读理解，我们的第一印象就是中学的时候英语试卷中的阅读理解，与之类似，机器阅读理解，其实就是让机器学会阅读文档，并能从中找出正确答案。
刚拿到这个题目时，团队成员的大脑几乎一片空白。脑中不断涌现出各种问题：如何将文本转换为数值型数据？RNN还是CNN？网络结构应该如何配置？用什么模型训练可以取得好的结果等等。
经过努力，他们最终利用DuReader数据集的Baseline，解决了上述的所有问题。
day我不dead同学说：“感谢飞桨给我们提供了一个提高自己，锻炼自己的平台，给我们提供了许多NLP领域优质的免费资源，还有许多优秀项目可供借鉴，并且免费的GPU真的很良心、很好用！祝飞桨越来越好！”
项目链接????：
https://aistudio.baidu.com/aistudio/projectdetail/475972
04 猫十二分类-飞桨图像分类帮我云撸猫
——君匡同学
工作太累，看一些猫猫的图片或者是短视频，才有继续努力的动力呢！云撸猫是现在很大一部分爱猫人士缓解压力的方法。
但是，两只小猫好像啊，会不会是同一种猫猫呢？
本次研究使用的数据来源于百度官方提供的猫脸识别-12种猫分类数据集，包含有12种猫咪的图片，共2160张猫咪图像，每一类均有180张左右的照片。
小组成员运用百度飞桨深度学习框架，构建了以ResNet101为骨架的深度神经网络的猫咪图像分类模型，对猫咪的图像进行分类和目标识别。
经过实验和分析，实现了对猫咪进行图像分类，单目标猫咪分类准确率为94%，说明基于飞桨框架的图像分类具有较好的准确率。
如果以后云撸猫，这个项目就能让你更轻松的判断可爱的猫猫究竟属于哪个类别啦～
项目链接????：
https://aistudio.baidu.com/aistudio/projectdetail/474305
05 利用飞桨实现文本摘要总结
——舍卟得放卟下灬同学
这个项目主要是飞桨平台进行文本摘要生成，运用Word2Vec和TextRank算法来对文本进行摘要生成。
小组同学们需要在AI Studio中使用所提供的训练集（82943条记录）建立模型，基于汽车品牌、车系、问题内容与问答对话的文本，输出建议报告文本。
来看看同学们是如何实践的？
舍卟得放卟下灬同学说：“经过了这次实践，对NLP的了解更深入了，有些遗憾的是这次没有使用到Seq2Seq模型这个大杀器，如果使用的话，效果可能会更好。”
不用遗憾，意识到问题本身就是最大的成长，相信同学在飞桨平台上不断训练后，一定会有更多的收获与成长～
项目链接：
https://aistudio.baidu.com/aistudio/projectdetail/474553
06 基于飞桨进行中文新闻标题分类
——彩虹的男人20同学
网络新闻正在成为人们获取新闻的主要途径，如何对冗杂的新闻进行分类，无疑是一个急需解决的问题！
基于此，同学们将在飞桨平台上采用BiLSTM模型，对THUCNews 数据集进行中文新闻文本标题分类。
最后，同学们在七个方面对模型进行优化，将准确率提高到了93%，较其他使用同等模型的项目效果有所优化。
彩虹的男人20同学说：“首先真的特别感谢百度提供的飞桨平台，不仅为我们提供了易于上手操作的项目基础，而且在项目执行时提供了免费的GPU算力卡，为我们进行项目优化留出更多的时间。我们会继续使用百度飞桨平台来学习使用bert+fc来优化此新闻文本分类项目。”
项目链接：
https://aistudio.baidu.com/aistudio/projectdetail/399250
看完同学们的这些作业，小编不禁暗自感叹：同学们都太优秀了！
水滴石穿，非一日之功。在百度AI强有力的帮助下，同学们通过项目不断总结反思，提炼技术，能力普遍获得提升、进步，完成了从AI小白到进阶选手的蜕变。
冯老师表示，“百度飞桨不仅锻炼了学生的综合实践能力，也培养了很多同学对人工智能的浓郁兴趣，他们在项目结束后，并没有停止下来，而是纷纷报名参加了平台上的多个AI竞赛，走上实践创新的道路。”
种一棵树最好是在10年前，其次是现在。期待更多高校、机构分享自己的教学成果，一起创造更好的课程，持续创新，取得胜利！在飞桨平台的支持下，共同助力AI人才发展，期待未来能与更多优秀老师、同学在飞桨相遇！
如在使用过程中有问题，可加入飞桨官方QQ群进行交流：703252161。
如果您想详细了解更多飞桨的相关内容，请参阅以下文档。
官网地址：
https://www.paddlepaddle.org.cn
飞桨开源框架项目地址：
GitHub:
https://github.com/PaddlePaddle/Paddle
Gitee:
https://gitee.com/paddlepaddle/Paddle
END
