您仍然不明白为什么ReLU比Sigmoid好，Rprop与RMSprop有何不同，为何对信号进行归一化以及什么是跳过连接？ 为什么神经网络需要一个图，它传播回来又犯了什么错误呢？ 您是否有一个具有计算机视觉的项目，或者您正在制作一个星际机器人来处理脏盘子，并且希望它能够自行决定，要清洗还是可以做到？
我们正在启动
“神经网络与计算机视觉”开放
课程，该
课程面向那些正在这方面迈出第一步的人。 该课程由俄罗斯三星研究公司的专家开发：莫斯科三星研究中心和三星人工智能中心。 课程优势：
- 课程作者知道他们在说什么：这些都是莫斯科莫斯科人工智能中心的工程师，Mikhail Romanov和Igor Slinko。
- PyTorch既有理论又有问题
- 掌握最少的理论知识后立即开始练习。
- 最好的学生将被邀请参加俄罗斯三星研究院的采访！
该课程于6月1日开放，这是三星在Stepik平台上提供的一系列免费在线课程中的第一门。 特别偏爱俄语平台-这将为俄语用户提供更多机会。 课程主要侧重于机器学习（ML）。 这种选择并非偶然：2018年5月，三星人工智能中心在莫斯科成立，在那里，机器学习科学巨星如Viktor Lempitsky（计算机科学类别中被引用最多的俄罗斯科学家），Dmitry Vetrov，Anton Konushin，Sergey Nikolenko以及其他许多人一起工作。
因此，通过为期6周的视频讲座和实践练习，每周进行3-5个小时，您将能够弄清楚如何解决机器视觉的基本问题，并获得必要的理论培训，以进一步开展该领域的独立研究。
假定有两种课程模式：基本和高级。 在第一种情况下，观看讲座，回答讲座问题和解决研讨会就足够了。 在第二种情况下，有必要解决一些理论问题，其中有必要应用一所技术大学的1-2门课程的数学知识来获得足够广泛的知识。
该课程始终阐明了神经网络构建的术语和原理，并讨论了现代任务，优化方法，损失函数和神经网络的基本架构。 在培训结束时-解决计算机视觉的视觉应用任务。
课程老师
米哈伊尔·罗曼诺夫（Mikhail Romanov）MIPT毕业生。 他毕业于Yandex数据分析学院。 他获得了丹麦技术大学的博士学位。
莫斯科莫斯科AI中心的一名员工。 Michael从事机器人的机器视觉任务，并且喜欢教书。 他对以后的课程有很多想法和话题。 一位在三星人工智能中心举行的AI Bootcamp 2018毕业生中的一位在退出调查表中写道，以5分制对米哈伊尔（Mikhail）进行教师评估是一个问题，“很可惜没有六分！”
伊戈尔·斯林科（Igor Slinko）MIPT毕业生。 他毕业于Yandex数据分析学院。 莫斯科莫斯科AI中心的一名员工。 Igor还负责机器人的机器视觉任务，并在高等经济学院教授机器学习。 去年和今年，他是与俄罗斯三星研究院合作举办的
暑期学校社会和教育项目深度学习研讨会的志愿者讲师。
课程计划
神经网络：
- 神经元的数学模型
- 神经元形式的布尔运算
- 从神经元到神经网络
- 研讨会：PyTorch的基础工作
建立第一个神经网络：
- 神经网络依赖恢复
- 神经网络组件
- 理论目标：依赖恢复
- 神经网络调整算法
- 理论问题：计算图和反向支持图
使用神经网络解决的任务：
- 二进制分类？ 二进制交叉熵！
- 多类分类？ Softmax！
- 定位，检测，超分辨率
- 理论问题：损失函数
- 研讨会：建立第一个神经网络
- 讲习班：PyTorch中的分类
优化方法：
- 最常见的梯度下降
- 渐变下降修改
- 理论目标：迅速了解SGD
- 讲习班：使用PyTorch实现梯度下降
- 讲习班：通过完全连接的网络对手写数字进行分类
卷积神经网络：
- 卷积，卷积级联
- 建筑史：LeNet（1998）
- 建筑史：AlexNet（2012）和VGG（2014）
- 建筑史：GoogLeNet和ResNet（2015）
- 研讨会：卷积神经网络的笔迹识别
正则化，归一化，最大似然法：
- 正则化和神经网络
- 数据标准化
- 研讨会：我们解决了CIFAR数据集上的分类问题
- 最大似然法
- 研讨会：以Kaggle竞赛为例的转移学习
学生要求
本课程面向在机器学习领域迈出第一步的学生。 您需要什么？
- 具有数理统计领域的基础知识。
- 准备使用Python进行编程。
- 如果您想学习困难的课程，则需要具备数学分析，线性代数，概率论和统计学的丰富知识。
可以接听电话吗？ 然后
继续课程 ！