PyTorch – 深度学习全栈工程师进阶案例实战(第三期) PyTorch – 深度学习全栈工程师进阶案例实战(第三期)
所属分类:人工智能
  课程名 : PyTorch – 深度学习全栈工程师进阶案例实战(第三期)【招生中】 总学费/人 : ¥400 (固定学费:¥100, 逆向学费:¥300) 开课时间 : 2020-07-24 09:00:00 
开课老师 : Elephantameler


课程简介:

在系列课程中《快速成为深度学习全栈工程师》课程基础上,我们的《PyTorch – 深度学习全栈工程师进阶案例实战》将教授更加贴近于工业生产的实战知识:人脸识别与目标检测等,且此次课以PyTorch为框架教授其底层架构、神经网络的搭建、训练技巧、模型地部署与计算图地优化,更深刻和灵活的使用PyTorch完成复杂的深度学习项目。除此之外,我们的目标检测案例使用Kaggle数据科学竞赛平台中的真实比赛:Airbus Ship Detection Challenge(船只检测)作为我们的目标检测案例,让大家能够在真实的深度学习竞赛与Kaggle竞赛平台动手实战。


系列课程介绍:
过去几年,得益于高速的计算芯片(GPU)及大量的标注数据,作为当下最流行的机器学习方法,深度学习在各个应用领域中都取得了突破性的成绩,例如:辅助驾驶,人机交互,医疗诊断,视频分析,自动翻译等。从而使得深度学习全栈工程师(即独自一人设计整套深度学习工业生产系统)供不应求,月薪平均尽达到4万人民币/月。
我们将以工业上经典项目人脸识别系统以及高阶项目人体姿态估计系统来带领大家学习到如何根据客户需求设计出自己的深度学习解决方案,更有大量工业前沿技术如半精度训练、模型压缩及量化等。学习完系列课程之后不仅对Python语言、PyTorch、TensorFlow、MXNet等主流框架得心应手,更能准确抓住客户需求的核心,设计和训练出高精度的模型、使用模型的压缩和量化大量减小算法的时间和空间复杂度,及快速布局在多种设备上,包括大型服务器和树莓派,从而达到根据客户需求游刃有余地设计高效的深度学习系统。作为深度学习全栈工程师,在任何公司的深度学习相关岗位上都能得心应手,初入职年薪20万,工作2至3年后年薪可达35万+。
本系列课程将分为三次课:《快速成为深度学习全栈工程师》、《PyTorch – 深度学习全栈工程师进阶案例实战》以及《深度学习全栈工程师的究极进化》。《快速成为深度学习全栈工程师》将教授深度学习基础知识,用CIFAR-100作为例子动手设计整个深度学习项目的生产环境和流程;《PyTorch – 深度学习全栈工程师进阶案例实战》将教授深度学习和半精度训练的理论知识,以及物体分类、人脸检测、人脸识别的实战项目;《深度学习全栈工程师的究极进化》将教授深度学习高阶理论知识、大规模分布式的原理和模型的量化与压缩,以及多人体姿态识别实战项目。
本次课程为进阶课程:《PyTorch – 深度学习全栈工程师进阶案例实战》。

课程大纲:
第1课:理论学习 – 深度学习加持的计算机视觉算法
第2课:动手实战 – Python的初高级语法讲解与 PyTorch内部框架机理的理解
人脸识别项目实战(PyTorch版):
第3课:动手实战 – 数据增强(Data Augmentation)的理解与实现:自动扩增数据集中不同分布的样本数
第4课:动手实战 – 神经网络中经典与layer的理解与实现
第5课:动手实战 – 从Softmax到InsightFace的人脸识别算法分析与实现
第6课:动手实战 – 搭建与训练自己的人脸识别pipeline
第7课:动手实战 – 人脸识别算法性能的评估(Metric)与人脸识别模型的部署与推理
目标检测项目实战(PyTorch版):
第8课:动手实战 – 从FasterRCNN到GridRCNN, Two stage目标检测算法分析与实现
第9课:动手实战 – 从SSD, YOLO到CenterNet, One stage目标检测算法分析与实现
第10课:动手实战 – 自己动手设计目标检测框架解决Airbus Ship Detection Challenge(上)
第11课:动手实战 – 自己动手设计目标检测框架解决Airbus Ship Detection Challenge(下)
第12课:动手实战 – 目标检测算法性能的评估(Metric)与模型的部署与推理


我要报名

 

GMT+8, 2020-7-14 21:18 , Processed in 0.198314 second(s), 27 queries .