知識星球教育部最近印發《高等學校人工智慧創新行動計劃》，要求推進“新工科”建設，形成“人工智慧+X”複合專業培養新樣式，到2020年建設100個“人工智慧+X”複合特色專業、建立50家人工智慧學院、研究院或交叉研究中心。據不完全統計，時至今日，中國科學院大學、西安電子科技大學、重慶郵電大學、南京大學、湖南工業大學、長春理工大學、北京航空航天大學宣佈建設人工智慧學院。
高校人工智慧人才輸出，遠少於求
越來越多的高校緊跟先行者步伐，在人工智慧人才培養上爭相“佈局”。其主要原因在於：人工智慧已上升為國家戰略，而人工智慧時代最缺的就是人才。對這個行業來說，你有多好的人才，才可能有多好的人工智慧。所以為了搶占人工智慧制高點，高校就必須建立相關學院來保證人才的批次化輸出。
我國人工智慧的人才缺口超過500萬，供求比例僅為1：10。然而，人工智慧學院從成立到穩定的人才產出，通常需要5-7年的時間，因此依靠成立人工智慧學院解決不了燃眉之急，更多地在於長遠佈局。
人工智慧企業需要什麼樣的人才
當下，以計算機視覺、語音識別、自然語言處理為核心技術的企業居多，而計算機視覺、語音識別等主流技術是深度學習，這種現狀進一步導致深度學習演演算法工程師供遠小於求。由於其稀缺性，導致人才薪酬一路飆升。
根據2018年就業市場的一項調查結果，AI方向的應屆碩博畢業生，最高年薪可達50萬至70萬元。BAT、美團、滴滴、今日頭條以及國內人工智慧領軍企業商湯、曠視科技等巨頭都在重金招聘相關的人才。
企業高薪招募的人才，需要具備在某個領域具有較完備的垂直知識體系，面對新問題具備舉一反三的能力。而知識體系恰恰是無法透過短時間的培訓，就可以搭建起來的，它需要長期的積累和不斷的實踐探索，一點一點地悟。這也就是人工智慧領域研究生可以輕鬆拿到30萬乃至50萬年薪的原因。
專註於人工智慧線上教育的深藍學院，聯閤中科院自動化所博士團隊以及知名AI企業演演算法工程師，成立深度學習教研室，聯合推出第4期『深度學習：從理論到實踐』線上直播課程。課程偏向基礎入門，在詳細講述深度學習理論的同時，透過場景分割、行為識別兩大實踐任務，熟悉深度學習模型解決實際問題的流程，掌握深度學習訓練以及實戰中的技巧（本次課程不直接面向就業）。同時，根據學員的實際學習情況以及知識背景，後續給予定製化地自學或者培訓建議。
1. 線上直播授課，微信群長期實時答疑；
2. 課件、資料和程式碼，均提前公開；
3. 精心設計課後作業，並批改評分；
4. 評選優秀學員，推薦實習就業。
課程目錄
一、 深度學習理論（6學時）
1. 前饋神經網路
1.1 概述
1.2 單層神經網路
1.3 多層神經網路
2. 摺積神經網路
2.1 基本概念
2.2 發展歷程
2.3 網路特點
2.4 網路設定
2.5 網路訓練以及相關應用
二、 實踐：基於深度網路的場景分割（6學時）
3. 深度學習框架Caffe入門
3.1 Caffe簡介
3.2 安裝和配置
3.3 優點與侷限性分析
3.4 Caffe除錯
4. 場景分割介紹及傳統方法概述
4.1 場景分割背景介紹
4.2 傳統方法介紹
（1）分水嶺演演算法
（2）基於圖論的影象分割
（3）馬爾科夫隨機場與條件隨機場
4.3 傳統場景分割程式碼實踐
4.4 經典深度場景分類網路介紹及CNN
網路設計潛規則
5. 基於深度網路的場景分割方法概述與實踐
5.1 從深度場景分類到場景分割
5.2 主流方法介紹：從FCN到Mask-RCNN
5.3 場景分割網路設計: 從資料層到損失層
5.4 程式碼實踐：從訓練到測試
5.5 深度場景分割方法與傳統方法對比
三、 深度學習常見模型與Keras實踐（4學時）
6. 深度殘差網路和Highway網路
6.1 Keras簡介與安裝配置
6.2 傳統深度神經網路的侷限性
6.3 從Highway到ResNet到DenseNet
6.4 Keras程式碼實踐
（1）Keras實現全連線網路、摺積網路等
基礎網路
（2）Keras實現Highway層
（3）Keras實現殘差網路
習題：DenseNet來解決影象分類問題實踐
7. 自動編碼器與GAN
7.1 深度無監督學習知識回顧
7.2 自動編碼器及其變種
7.3 從自動編碼器到生成對抗網路
7.4 Keras程式碼實踐
（1）Keras實現自動編碼器、稀疏自動編碼
器等基礎演演算法
（2）Keras實現生成對抗網路
（3）Keras實現條件GAN
習題：去噪自動編碼器來解決影象去噪問題實踐
四、實踐：基於深度網路的行為識別（4學時）
8. 行為識別概述與傳統方法實踐
8.1 問題描述及研究意義
8.2 發展脈絡及主要研究組
8.3 傳統行為識別方法
（1）時空特徵提取
（2）時空特徵編碼
（3）動作識別演演算法
8.4 程式碼實踐：傳統行為識別方法
8.5 深度網路行為識別引入及討論
9. 基於深度網路的方法概述與實踐
9.1 深度網路行為識別方法綜述
9.2 基於三維時空網路的行為識別方法
9.3 基於雙流時空網路的行為識別方法
9.4 資料集介紹及引數分析
9.5 程式碼實踐：深度網路主流演演算法
9.6 主流方法與傳統方法的對比
宮博：資深演演算法工程師，中國科學院自動化研究所博士，在計算機視覺與人工智慧領域具有近六年的研究經歷。攻讀博士學位期間主要研究方向是樣式識別與影象處理，團隊成員在領域頂級會議期刊 ICCV、TNNLS、TIP等發表論文20多篇，參加全國影片影象分析技術挑戰賽，獲得標的檢測識別第二名，熟練掌握並應用深度學習Keras框架和Caffe框架。目前主要負責計算機視覺與人工智慧方面的演演算法研發工作。
1. 5月6日-6月10日，每週末晚7點-9點；
2. 課程限報 300 人，報滿為止；
3. 前200名報名者贈送『Python基礎入門』課程，詳情諮詢深藍學院助教。
新增工作人員「深藍學院助教宇軒」微信，備註“深度學習”，領取100元優惠券。
微訊號：shenlanedu
