微软人工智能 - 深度学习框架和工具
分享
课程详情
课程评价
spContent=在《微软人工智能公开课》中,我们将通过服务和API、数据分析平台、以及深度学习框架和工具三个层级和大家一起学习微软人工智能相关的服务、技术和工具。希望通过此系列课程,开发人员和数据科学家可以更加充分的借用云平台的力量,开发更加智能、更富有生命力的产品,服务大众。
—— 课程团队
课程概述

从最新一次的 ImageNet 大赛(ILSVRC)的结果,机器的视觉已经超过人类的视觉,基于深度学习的机器认知能力超过人类似乎指日可待。深度学习在对 IT 基础设施和 IT 计算能力有很高要求,而公有云平台降低了深度学习运行的门槛,使得更多的人可以便捷的使用云平台强大的计算能力来完成深度学习相关的计算。

微软的公有云Azure针对现有流行的深度学习框架提供了强大的支持,为 Cognitive ToolkitTensorFlow 以及 Caffe 等业界主流的深度学习框架提供了虚拟机模板和预配置的环境。

同时微软研究院在深度神经网络及其应用领域一直处于领先的地位,并提供了一系列算法和工具不断促进性能的提升。数据科学家们可以快速的利用这些资源进行深度学习相关的研究、开发和应用。

本部分内容讲围绕微软最新的深度研究方向以及深度学习在业界使用的场景,介绍深度学习网络的基本概念和应用在语音、视觉、视频、图像等领域的最佳实践,同时为大家带来一系列实际应用案例的解析。


>>微软人工智能 - 概览

http://www.icourse163.org/course/MSRA-1002305003


>>微软人工智能 - 服务和API

http://www.icourse163.org/course/MSRA-1002255002


>>微软人工智能 - 数据分析平台

http://www.icourse163.org/course/MSRA-1002257003


课程大纲

第一讲

1.1  深度学习概览

第二讲

2.6深度学习在计算机图形学中的结合与运用

2.4 深度神经网络在语音中的应用

2.7强化学习DRL简介

2.5深度视频分析与理解

2.2 卷积神经网络CNN

2.1深度神经网络简介及模糊神经网络FNN

2.3  循环神经网络RNN

第三讲

3.1 Azure GPU助力基于 TensorFlow 框架的深度学习

3.2 Cognitive Toolkit 框架以及 Azure 上 DSVM 虚拟机模板

3.4 Apache Spark 微软机器学习

3.3 最佳实践:基于 Azure和Caffe 框架的深度学习

第四讲

4.2 微软识花案例解析

4.3 Microsoft Pix 案例解析

4.1 人工智能技术在医疗健康问答系统 中的应用案例解析

预备知识

证书要求