清华青年AI自强项目核心内容总结

文章目录

    • 讲座梗概
    • 第1讲:AI鸟瞰与升级指南
    • 第2讲:机器学习入门
    • 第3讲:经典神经网络
    • 第4讲:深度神经网络
    • 第5讲:卷积神经网络
    • 第6讲:视觉分类任务
    • 第7讲:视觉探测任务
    • 第8讲:实例与调参

本文主要梳理总结学习清华大学青年AI自强项目中的核心知识内容,各位读者可以根据需要按图索骥,enjoy!

持续更新中。

讲座梗概


  • 第1讲:AI鸟瞰与升级指南
  • 第2讲:机器学习入门
  • 第3讲:经典神经网络
  • 第4讲:深度神经网络
  • 第5讲:卷积神经网络
  • 第6讲:视觉分类任务
  • 第7讲:视觉探测任务
  • 第8讲:实例与调参

第1讲:AI鸟瞰与升级指南

主要讲了项目背景及当下AI现状,新手学习路径及方法建议。

当前新手学习AI面临的问题:理工科知识不友好,数学门槛过重,解决方案是:

  1. 不讲证明
  2. 以能懂能用为目标,画出知识最小包络
  3. 说人话,减少学术词汇,实例形象易懂

此课程面向对象,适合于对AI感兴趣的任意背景同学,极大降低新手学习入门门槛。有深入了解原理需求的读者可按以下步骤进阶:

  • 学习互助小组,了解入门
  • 做项目,实操领会
  • 打比赛,实战进阶
  • 追论文,发论文,学术前沿

第2讲:机器学习入门

主要讲了机器学习总体框架,以对知识地图有个宏观了解。

  • 大框架:收集数据、选取特征,进行标注,拟合数据,进行预测
  • 小框架:数据矩阵描述,可视化与归一化,决策边界,sigmoid激活函数,损失函数评价模型,梯度下降优化,过拟合与泛化,正则化

结合案例,生动形象地讲解了机器学习常用核心概念:

  • 特征、数据集:数据准备及特征提取思路
  • 归一化:数据预处理,统一量纲,加快收敛
  • 决策边界:进行分类的卡尺
  • 激活函数:进行非线性化处理,增大模型表达能力
  • 损失函数:评价输出结果好坏
  • 梯度下降:回溯更新参数
  • 过拟合、欠拟合和泛化:训练模型经常遇到的效果平衡

第3讲:经典神经网络

主要讲了前向传播和反向传播的概念理解和公式推导,神经网络的广义性(可拟合任意函数)。

此章节为深度学习的理论核心,可根据课件反复研读实验,务必理解透彻。

第4讲:深度神经网络

主要讲了随着神经网络深度的不断叠加,出现的问题与解决方案。

  • 梯度消失、梯度爆炸
    • 解决:换激活函数、更新初始化方法
  • 过拟合
    • 解决:正则化、学习率衰减
  • 数据集样本少
    • 解决:数据增强,人造各种数据或者各种渠道购买更多真实数据
  • 处理大数据的方法
    • 解决:mini batch和batch norm

第5讲:卷积神经网络

第6讲:视觉分类任务

第7讲:视觉探测任务

第8讲:实例与调参

你可能感兴趣的:(一起学AI,人工智能,机器学习,深度学习)