人工智能教學(xué)網(wǎng)站fast.ai最近更新了新版本的針對(duì)開(kāi)發(fā)者的深度學(xué)習(xí)實(shí)踐課程，將原來(lái)的14課時(shí)縮短到7課時(shí)，比較適合經(jīng)常加班做開(kāi)發(fā)的程序員。本文給大家梳理了一下課程概覽。

fast.ai最近剛剛發(fā)布了《Practical Deep Learning for Coders》第三次迭代版本。

新智元編輯看過(guò)以后，覺(jué)得有必要向還在苦惱如何入手機(jī)器學(xué)習(xí)的同學(xué)們，推薦一下這個(gè)新課程。

推薦理由

你從未體驗(yàn)過(guò)的船新版本：本版本號(hào)稱(chēng)是全新教材，全新實(shí)戰(zhàn)案例。

共有7個(gè)課時(shí)，區(qū)別于之前的14課時(shí)，但內(nèi)容質(zhì)量并沒(méi)有降低。每節(jié)課2個(gè)小時(shí)，加上課后復(fù)習(xí)的時(shí)間，基本上一節(jié)課能夠讓你飽飽滿滿充充實(shí)實(shí)的學(xué)夠10個(gè)小時(shí)。

整合云平臺(tái)：貼心的提供了Google Cloud和Microsoft Azune的云GPU平臺(tái)，以及Crestle和Gradient等平臺(tái)的整合方案，方便大家進(jìn)行練習(xí)。

預(yù)備基礎(chǔ)：學(xué)習(xí)只需要有至少一年的codign經(jīng)驗(yàn)，最好是Python。有

高中數(shù)學(xué)基礎(chǔ)就行，有些課程可能好需要用到高等數(shù)學(xué)。

唯一需要做的是提前對(duì)Jupyter Notebook環(huán)境有一定了解。

學(xué)習(xí)曲線：自上而下的教學(xué)理念，通過(guò)實(shí)際問(wèn)題入手，然后逐步深入理念。符合程序員的學(xué)習(xí)路徑。

框架：fast.ai使用Pytorch作用教學(xué)工具。但是這種東西屬于一通百通，基本上你一旦掌握了套路，接下來(lái)用TensorFlow/Keras、CNTX、MXNet或者其他深度學(xué)習(xí)庫(kù)都不成大問(wèn)題。

課程內(nèi)容

第一課主題是圖片分類(lèi)。從訓(xùn)練一個(gè)寵物種類(lèi)圖片識(shí)別分類(lèi)器，使之達(dá)到SOTA精度級(jí)別。

遷移學(xué)習(xí)是本課程的關(guān)鍵，同時(shí)可以了解如何分析模型，以及它的失敗模式。

需要注意的是，課程練習(xí)需要用到FastAI庫(kù)，最好找已安裝了的云GPU供應(yīng)商。

fast.ai推薦使用PaperSpace，GPU租用價(jià)格大概是1小時(shí)3元，注冊(cè)流程非常簡(jiǎn)單，支付方式使用信用卡即可。

當(dāng)然如果你愿意折騰，并且手里有一點(diǎn)先前，也可以自己搭建一臺(tái)計(jì)算機(jī)，反正1G顯存的GTX 650是跑不起來(lái)代碼的。

第二課主題是數(shù)據(jù)清洗和生產(chǎn)。主要是教大家用自己的數(shù)據(jù)，創(chuàng)建一個(gè)“從灰熊中找出泰迪熊”的分類(lèi)模型，學(xué)會(huì)如何生成teddy-finder，然后可以在線上訪問(wèn)。

課程后半部分，會(huì)教大家如何從零開(kāi)始訓(xùn)練一個(gè)簡(jiǎn)單的模型，生成我們自己的梯度消失循環(huán)。

第三課主要講到數(shù)據(jù)塊、多標(biāo)簽分類(lèi)和圖像分割。會(huì)用到2個(gè)數(shù)據(jù)集：Planet數(shù)據(jù)集和CamVid數(shù)據(jù)集。

Planet數(shù)據(jù)集是一個(gè)多標(biāo)簽數(shù)據(jù)集，可以讓大家同時(shí)學(xué)習(xí)多標(biāo)簽數(shù)據(jù)集。

fast.ai聲稱(chēng)他們的終極CamVid模型比市面上所有教學(xué)用的模型，更靠譜。

第四課講表格數(shù)據(jù)；協(xié)同過(guò)濾；嵌入。本節(jié)課主要是NLP相關(guān)，使用電影評(píng)分網(wǎng)站IMDB提供的影評(píng)數(shù)據(jù)集。

本節(jié)課的內(nèi)容是預(yù)測(cè)一個(gè)影評(píng)是正面還是負(fù)面。我們知道，有時(shí)候評(píng)價(jià)里的用詞，可能和原意相反。比如使用證明詞語(yǔ)，表達(dá)的卻是負(fù)面意思。

學(xué)習(xí)路徑無(wú)非就是先要么創(chuàng)建一個(gè)語(yǔ)言模型自行訓(xùn)練，或者下載一個(gè)已經(jīng)訓(xùn)練好的模型，然后調(diào)參，然后移除encoder。

本節(jié)課前半部分內(nèi)容涉及CV、NLP、表格、協(xié)同過(guò)濾，后半部分還會(huì)涉及到激活函數(shù)、指針、層以及損失函數(shù)。

第五課會(huì)講到反向傳播；加速隨機(jī)梯度下降；從零搭建神經(jīng)網(wǎng)絡(luò)。

第六課講正則化;卷積; 數(shù)據(jù)倫理。包括Dropout、Data augmentation、批量標(biāo)準(zhǔn)化。

第七課講從零開(kāi)始構(gòu)建Resnets；U-net；生成網(wǎng)絡(luò)以及GAN。

好了，介紹就到此為止了。如果你發(fā)現(xiàn)有更好的課程，請(qǐng)留言告知。關(guān)于PaperSpace我先更多說(shuō)兩句。

如果你發(fā)現(xiàn)國(guó)內(nèi)有更好的替代方案，歡迎告知我們。因?yàn)楫吘箛?guó)外的產(chǎn)品，在訪問(wèn)速度和穩(wěn)定性上還是不好保證。而且沒(méi)有中文的使用教程，不是很方便。