Intel免费AI课程三部曲:机器学习、深度学习以及TensorFlow基础
翻译 | AI科技大本营(公众号ID:aibbtcom)
校对 | 成龙
编辑 | 明明
Intel于近期发布了三门AI系列的免费课程,分别是关于机器学习基础、深度学习基础、TensorFlow基础三个方面。据悉,该系列免费课程主要针对研究生阶段的学生,营长将三门课程概要及链接整理如下。
▌课程1:机器学习基础
概要
本课程介绍了Intel架构中的机器学习基础知识。涵盖的主题包括:
- 回顾了机器学习可以解决的问题类型
- 理解机器学习算法中的各组成模块
- 学习在机器学习中构建模型的基础知识
- 探索关键算法
在本课程结束时,学生将了解以下内容:
- 监督学习算法
- 机器学习关键概念:如过拟合,正则化和交叉验证
- 如何识别待解决问题的类型,选择正确的算法,调整参数并验证模型
本次免费课有12周的课程,每周至少需要3个小时才能完成。并且这些课程的练习需要用Python来实现。
课程网址:
https://software.intel.com/en-us/ai-academy/students/kits/machine-learning-501
▌课程2:深度学习基础
概要
本课程介绍了Intel架构中的深度学习基础知识。深度学习在计算机视觉和自然语言处理方面所实现的优异表现,使其在业界引起了极大关注。
在本课程结束时,学生将对以下内容有一个明确的理解:
- 深度学习的技术,专业术语和有关数学知识
- 如何适当地构建和训练这些模型
- 各种深度学习应用
- 如何使用预先训练好的模型获得最佳结果
本次免费课有12周的课程,每周至少需要3个小时才能完成。
课程网址:
https://software.intel.com/en-us/ai-academy/students/kits/deep-learning-501
▌课程3:TensorFlow基础
概要
TensorFlow是一个流行的机器学习框架和数据流编程的开源库。在本课程中,您将了解:
- 用TensorFlow构建模型的基础
- 机器学习基础知识:如线性回归,损失函数,梯度下降
- 重要的技术:如标准化、正则化和小批量处理(mini-batching)
- “核化”以及如何将它们应用于卷积神经网络(CNN)
- CNN的基本模板以及不同的可调参数
- TFRecord, queues, coordinators
在本课程结束时,学生将对以下内容有一个明确的理解:
- 基础网络结构,卷积核,池化和多分类任务
- 如何将基础网络扩展到更复杂的网络
- 通过在现有网络上使用迁移学习来利用它们的优势
本次免费课有8周的课程,每周至少需要3个小时才能完成。
课程网址:
https://software.intel.com/en-us/ai-academy/students/kits/tensor-flow-501