知識星球甲子光年CEO在《少數人的路》中說：“技術推動了一次次工業革命，每一次都帶來了至少100倍以上的生產力的提高；第一次，機械革命，第二次，電氣革命，第三次，資訊革命，第四次，便是正在進行的智慧革命”
而智慧革命的當下，核心的主角便是人工智慧。
根據艾瑞諮詢釋出的《中國人工智慧+金融行業研究報告（2018）》，在智慧支付、智慧客服、智慧風控、智慧投顧等多個場景，人工智慧技術都有了成熟的應用。
艾瑞諮詢：《人工智慧+金融行業應用全景圖》
對應的薪水也平均薪酬溢價高達55%-110%，有2、3年經驗的人才要價50-60萬年薪是很正常的一件事情。在這種形勢下，很多同學都產生了涉足人工智慧的想法，並付諸了行動。
其實網上關於人工智慧的課程有很多，大量免費的資料可以去選擇，也有很多書籍和影片可以去購買。但這些海量的資料加大了大家選擇的成本，降低了學習的效率。很多同學有很好的數學和程式碼基礎，覺得自己能夠完全搞定人工智慧。但自己在中英文夾雜的資料海裡遨遊了三個月後，收穫甚微。
所以為了讓大家能夠高效率入門人工智慧行業，我們邀請矽谷頂級科學家為大家線上直播100節免費公開課，一週3-4節課。
不要認為免費的公開課就沒有乾貨。每週一次的Review Session,我們會提前一週給出幾個備選主題，由群內的同學們自主投票選擇最心儀的主題。
這100節公開課有多硬核呢？設計緊密圍繞學術界最新進展以及工業界的需求，涵蓋了80%的人工智慧知識點，並且結合了大量實戰專案，包括熱門的聊天機器人，自動駕駛等專案，培養學員的動手能力，解決問題能來以及對知識的深入理解。
來看一下這周被選中的公開課主題，自動駕駛計算機視覺，NLP聊天機器人，推薦演演算法，隨機演演算法。
機器學習在自動駕駛（計算機視覺）中的案例分析
時間： 1月16日（週三）下午1：00
內容介紹
▼
1. 自動駕駛中的指示牌識別（Traffic Sign Recognition）
-指示牌識別的挑戰
-如何從攝像頭的畫面中定位交通指示牌（Image Segmentation）
-如何識別交通指示牌（Image Classification）
-資料增強等預處理技術
2. 自動駕駛中的方向盤轉動方向預測（ Steering Prediction）
– 問題的標的和難點
– 傳統的方案：道路檢測、車輛檢測
– 基於深度學習的端到端學習
– 怎麼處理資料不平衡
– 傳統模型和端到端模型的比較
主講人介紹
▼
美國微軟總部和美國亞馬遜總部的資深推薦系統工程師、主導多款核心推薦系統的研發，是人工智慧、分散式系統、雲端計算方面的專家。 博士畢業於美國新澤西理工，擁有14年人工智慧、推薦系統、自然語言處理、數字影象和影片處理專案經驗。曾師從中國科學院王守覺院士從事人臉識別研究、共同發表論文。在美國博士期間，主要研究NASA（美國航天局）支援的基於人工智慧的空間天氣預測專案。先後在AI相關會議和雜誌上發表過15篇以上的論文。
如何搭建一個聊天機器人- 各類架構剖析及實現
時間： 1月17日（週四）晚上8：30
內容介紹
▼
本次公開課講解搭建聊天機器人的幾個核心方法，包括技術講解和程式碼演示。聽眾不需要掌握任何AI相關的知識。該公開課具體內容包括：
聊天機器人的種類與評估
– 基於檢索的方法論
– 基於樣式匹配的方法論
– 基於意圖識別的方法論
– 基於端到端的方法論
主講人介紹
▼
美國南加州大學博士，曾任凡普金科（愛錢進）首席科學家，美國亞馬遜/高盛高階工程師，AI量化投資公司首席科學家兼投資總監。在AAAI, KDD, AISTATS等頂會上發表過15篇以上論文，其中3篇獲得Best Paper Award，累計數百次取用。
案例剖析-深度解讀Amazon的推薦演演算法
時間： 1月19日（週六）晚上8：30
內容介紹
▼
1. 概述
推薦系統的成功案例(Amazon)
2. 常用的推薦的演演算法
-
基於內容
-
協同過濾
-
矩陣分解
-
因子分解機（Factorization Machine)
-
深度學習
-
機器學習排序(Learning to Rank)
-
探索與利用(Explore and exploit): Contextual bandit
-
整合學習 (Ensemble/Hybrid method)
3. 如何評價推薦系統
-
離線評估
-
問卷調查
-
使用者學習（User Study）
-
線上測試 （A/B 測試）
4. 推薦系統架構
主講人介紹
▼
Henry Shi, 擁有10多年人工智慧領域相關研發和研究經歷，負責過美國政府多項人工智慧基金專案。美國南加州大學人工智慧博士，卡內基梅隆大學機器人系訪問學者，先後在 ICML、AAAI、IJCAI、ICDM等國際頂級會議上發表數篇論文，取用次數高達1000。Henry也作為連續創業者，聯合創立了南加州地區最大規模的華人創業服務平臺PlusYoou普創、曾聯合創立了P2P留學諮詢平臺雲飛躍，擔任CTO並實現了併購退出。
基於隨機森林的電信使用者流失模型
時間： 1月15日（就是今天）（週二）晚上8：30
內容介紹
▼
本次公開課講解機器學習經典演演算法隨機森林，它也是最常用的演演算法之一，因為它很簡易，既可用於分類也能用於回歸任務。 本次公開課你將瞭解到隨機森林演演算法的工作原理以及適用範圍。聽眾不需要掌握任何AI相關的知識。
-
隨機森林的原理
-
手寫一個隨機森林
-
模型的構建和評估
主講人介紹
▼
資深演演算法工程師，北京化工大學碩士，北京航空航天大學博士，東方國信資料挖掘工程師，第四正規化NLP工程師，負責過電信終端換機專案、電信套餐升檔專案、銀行知識圖譜專案、證券公司問答系統專案等。
報名方式
掃描海報二維碼進群
加入免費公開課。
具體主題由學員投票決定
-
企業開發中程式碼是如何管理的
-
一起聊聊AI/資料相關崗位的技能圖譜，職業規劃，未來前景
-
一小時弄清楚自然語言處理技術概覽以及應用場景
-
用例子來說明機器學習中的 MLE vs MAP vs 貝葉斯估計的區別
-
面試必考題：邏輯回歸模型以及數學推導
-
一小時弄清楚什麼是摺積神經網路
-
Python中那些不得不會的演演算法題目
-
大話面向物件
-
爬蟲開發過程中那些繞不過的登入怎麼辦
-
Python結合計算機視覺技術進行驗證碼識別
-
高質量的程式碼必經之路-單元測試該怎麼做
-
Python操作MongoDB
-
Python操作MySQL
-
爬蟲開發中不得不掌握的正則技術
-
Python企業開發規範
-
Python Web開發框架Django入門
-
Python Web開發框架Flask入門
-
Python 抓取貼吧評論併進行分析
-
零基礎搭建簡單的問答系統
-
怎麼用知識圖譜做金融風控系統
-
利用端到端的學習（end-to-end learning）搭建無人駕駛系統
-
搭建一個簡單的標的檢測系統（object detection）
-
深度學習的可解釋性：深入淺出深度學習中的視覺化（visualization）
-
聊聊中美人工智慧人才培養、技術創新以及差異性
-
推薦系統中的常見演演算法介紹
-
矩陣分析（Matrix Factorization）詳解：推薦系統最離不開的演演算法
-
幾行程式碼可以實現的演演算法： KNN的詳解
-
Metric Learning中的經典：LMNN演演算法詳解
-
隨機梯度下降法中的收斂理論
-
SGD, Adagrad, Adam演演算法的詳細比較
-
深入淺出遞迴神經網路（Recurrent Neural Network)以及應用
-
RNN中的梯度爆炸以及梯度消減，介紹LSTM
-
一小時實現影象中的風格遷移（style transfer）
-
一小時實現語音中的情緒識別（emotion recognition）
-
基於GraphX做分散式圖分析
-
圖嵌入演演算法詳解以及取用
-
GBDT和XGBoost演演算法應用以及實現
-
自適應系統所涉及到的技術要點
-
機器學習工程需要必備的數學知識
-
利用標的檢測和跟蹤演演算法分析英雄聯盟影片
-
一小時教你怎麼搭建GPU訓練環境
-
一小時用Keras搭建人臉識別系統
-
Google的最新作品BERT模型詳解以及實現
-
一小時實現機器自動寫程式碼系統
（持續更新中。。）
藍振忠：美國卡耐基梅龍大學博士。現任Google科學家，曾任美國智慧監控公司的首席科學家， 對影片和多媒體的智慧分析有深入研究。他曾代表卡耐基梅隆大學在美國國家標準總局（NIST）舉辦的影片智慧分析大賽中連續多年進入前三。先後在NIPS、CVPR、ICCV、IJCAI、ICDM等國際頂級會議上發表過25篇以上的論文，論文取用次數上千。
史源：美國南加州大學博士，美國AI基金創始人，擁有10多年人工智慧領域相關研發和研究經歷。卡耐基梅隆大學訪問學者，先後在 ICML、AAAI、IJCAI、ICDM等國際頂級會議上發表數篇論文，取用次數高達1000。
周景陽：曾任百度資深工程師，國美和凡普金科的技術負責人。是技術領域、資料分析、知識圖譜、視覺等領域的專家。
葛瀚騁：美國Texas A&M;大學博士，美國亞馬遜Alexa部門資深科學家，負責Alexa的智慧化以及個性化的研發與應用，曾任職於美國ebay以及NEC北美實驗室。主要的研究涉及到Tensor、社交分析、推薦系統等領域，在KDD、AAAI、SIGIR、RecSys等國際頂級會議上發表15篇以上的論文，數百次的取用。
Q: 如何參與之後的公開課？
掃描下麵二維碼（或海報）進群
加入免費AI公開課
如遇任何困難，請加小編”greedytech“幫你入群
