本课程为青年AI自强项目-计算机视觉课程，主要的组织者、演讲者、参与者全部以学生为主，为同学们解决实际问题：弥补“技术小白”与“老师觉得你懂”之间的鸿沟、弥补“课本”到“实践”的鸿沟、解决一般的学术文章/资源不易读的问题。本课程主要由8次讲座以及1个转化挑战任务组成，讲座每隔一周举办一次。每次讲座会用通俗易懂的语言引导大家掌握AI相关的知识点，依次为AI鸟瞰与进阶指南、机器学习入门、经典神经网络、深度神经网络、卷积神经网络、分类任务、探测任务、实例与调参方法，最后通过转化挑战任务带领大家实操实践等等。

• 课时1：课程介绍&授课理念 (17分7秒)
• 课时2：AI鸟瞰-感知 (10分6秒)
• 课时3：AI鸟瞰-认知 (11分21秒)
• 课时4：AI鸟瞰-反馈输出&总结 (12分59秒)
• 课时5：高手进阶指南 (16分28秒)
• 课时6：作业说明 (11分19秒)
• 课时7：前言及引子 (11分7秒)
• 课时8：数据表示&可视化归一化&决策边界表示 (11分51秒)
• 课时9：sigmoid函数&损失函数 (9分25秒)
• 课时10：梯度下降法 (17分27秒)
• 课时11：过拟合&正则化&总结 (7分48秒)
• 课时12：前言&背景介绍&线性模型拟合MNIST (9分43秒)
• 课时13：前馈传播（上） (14分49秒)
• 课时14：前馈传播（下）&大神Hinton (13分15秒)
• 课时15：反向传播 & 知识延展 & NN vs MNIST (13分58秒)
• 课时16：尾声&第二讲作业说明 (12分29秒)
• 课时17：前言&DNN概览 (13分48秒)
• 课时18：数据集简介及知识回顾 (6分24秒)
• 课时19：梯度消失 (12分56秒)
• 课时20：梯度爆炸及激活函数 (6分1秒)
• 课时21：过拟合及其解决办法 (5分58秒)
• 课时22：处理大数据的小技巧&尾声 (10分58秒)
• 课时23：引言&CNN概览 (11分16秒)
• 课时24：标准DNN的局限性&卷积运算略解 (14分50秒)
• 课时25：池化运算略解&数据集简介 (5分5秒)
• 课时26：卷积&池化详解 (9分55秒)
• 课时27：网络结构整体解析&尾声 (15分42秒)
• 课时28：课后答疑 (7分25秒)
• 课时29：第三次&第四次作业说明 (7分57秒)
• 课时30：初始分类任务 (7分36秒)
• 课时31：卷积知识回顾 (7分33秒)
• 课时32：AlexNet & ZFNet (6分7秒)
• 课时33：VGG & GoogleNet（上） (8分27秒)
• 课时34：GoogleNet（下）& 模型退化问题 (7分2秒)
• 课时35：ResNet & SENet (7分48秒)
• 课时36：小结 & 模型压缩 (9分34秒)
• 课时37：MobileNet & 尾声 (7分22秒)
• 课时38：第五章作业说明 (3分54秒)
• 课时39：探测任务基础知识 (9分34秒)
• 课时40：开山之作：R-CNN (9分10秒)
• 课时41：Fast & Faster R-CNN (9分34秒)
• 课时42：YOLO基础 (7分32秒)
• 课时43：YOLO进阶 & 尾声 (8分19秒)

展开↓