百度深度学习集训营已经正式开营,每个阶段的作业都将有各自的奖励,欢迎大家学习~
PS:如遇帖子过期、审核不通过的情况,请先复制内容保存在word文档,然后根据提示,完成个人实名验证,刷新后重新粘贴复制的内容,即可提交~
欢迎大家报名参加~
1月9日作业:
作业9-1:在第二章中学习过如何设置学习率衰减,这里建议使用分段衰减的方式,衰减系数为0.1, 根据ResNet目前的训练情况,应该在训练到多少步的时候设置衰减合适?请设置好学习率衰减方式,在眼疾识别数据集iChallenge-PM上重新训练ResNet模型。
作业9-1奖励:在作业中随机各抽取5名同学送出飞桨本+数据线+飞桨贴纸
回复帖子形式: 作业9-1:XXX
抽奖作业截止时间:2020年1月13日中午12点之前
作业9-2奖励:在作业中随机各抽取5名同学送出飞桨本+数据线+飞桨贴纸
回复帖子形式: 作业9-2:XXX
抽奖作业截止时间:2020年1月13日中午12点之前
1月7日作业:
作业8:如果将LeNet模型中的中间层的激活函数Sigmoid换成ReLU,在眼底筛查数据集上将会得到什么样的结果?Loss是否能收敛,ReLU和Sigmoid之间的区别是引起结果不同的原因吗?请发表你的观点
作业8奖励:在作业中随机各抽取5名同学送出飞桨本+数据线+飞桨贴纸
回复帖子形式: 作业8:XXX
获奖同学:#820 thunder95、#819 你还说不想我吗、 #818 百度用户#0762194095、#817 呵赫 he、#816 星光1dl
1月2日作业
作业7-1 计算卷积中一共有多少次乘法和加法操作
输入数据形状是[10, 3, 224, 224],卷积核kh = kw = 3,输出通道数为64,步幅stride=1,填充ph = pw =1
完成这样一个卷积,一共需要做多少次乘法和加法操作?
提示:先看输出一个像素点需要做多少次乘法和加法操作,然后再计算总共需要的操作次数
提交方式:请回复乘法和加法操作的次数,例如:乘法1000,加法1000
作业7-1奖励:抽取5人赢得飞桨定制本+数据线,截止时间2020年1月6日中午12点之前
回复帖子形式: 作业7-1:XXX
作业7-2奖励:从正确答案中抽取5人获得飞桨定制本+50元京东卡,截止时间2020年1月6日中午12点之前
12月31日作业
作业6-1:
1.将普通神经网络模型的每层输出打印,观察内容
2.将分类准确率的指标 用PLT库画图表示
3.通过分类准确率,判断以采用不同损失函数训练模型的效果优劣
4.作图比较:随着训练进行,模型在训练集和测试集上的Loss曲线
5.调节正则化权重,观察4的作图曲线的变化,并分析原因
作业6-1奖励:抽取5人赢得飞桨定制本+数据线 ,回复帖子形式: 作业6-1:XXX
作业6-2:
正确运行AI Studio《百度架构师手把手教深度学习》课程里面的作业3 的极简版代码,分析训练过程中可能出现的问题或值得优化的地方,通过以下几点优化:
(1)样本:数据增强的方法
(2)假设:改进网络模型
(2)损失:尝试各种Loss
(2)优化:尝试各种优化器和学习率
目标:尽可能使模型在mnist测试集上的分类准确率最高
提交实现最高分类准确率的代码和模型,我们筛选最优结果前10名进行评奖
作业6-2奖励:飞桨定制本+50元京东卡
12月25日作业
12月23日作业
作业4-1:在AI studio上运行作业2,用深度学习完成房价预测模型
作业4-1奖励:飞桨定制本+ 《深度学习导论与应用实践》教材,选取第2、3、23、123、223、323…名同学送出奖品
作业4-2:回复下面问题,将答案回复帖子下方:
通过Python、深度学习框架,不同方法写房价预测,Python编写的模型 和 基于飞桨编写的模型在哪些方面存在异同?例如程序结构,编写难易度,模型的预测效果,训练的耗时等等?
回复帖子形式: 作业4-2:XXX
作业4-2奖励:在12月27日(本周五)中午12点前提交的作业中,我们选出最优前五名,送出百度定制数据线+《深度学习导论与应用实践》教材
12月17日作业
完成下面两个问题,并将答案回复在帖子下面,回帖形式:作业3-1(1)XX(2)XX
作业奖励:在2019年12月20日中午12点之前提交,随机抽取5名同学进行点评,礼品是本+数据线
12月12日作业
获奖者:第12名:飞天雄者
12月10日作业
作业1-1:在AI Studio平台上https://aistudio.baidu.com/aistudio/education/group/info/888 跑通房价预测案例
作业1-1奖励:最先完成作业的前3名,以及第6名、66名、166名、266名、366名、466名、566名、666名的同学均可获得飞桨定制大礼包:飞桨帽子、飞桨数据线 、飞桨定制logo笔
作业1-1的获奖者如图:
作业1-2:完成下面两个问题,并将答案发布在帖子下面
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
作业1-2奖励:回复帖子且点赞top5,获得《深度学习导论与应用实践》教材+飞桨定制本
点赞Top5获奖者:1.飞天雄者 2.God_s_apple 3.177*******62 4.学痞龙 5.故乡237、qq526557820
作业截止时间2020年1月10日,再此之前完成,才有资格参加最终Mac大奖评选
报名流程:
1.加入QQ群:726887660,班主任会在QQ群里进行学习资料、答疑、奖品等活动
2.点此链接,加入课程报名并实践:https://aistudio.baidu.com/aistudio/course/introduce/888
温馨提示:课程的录播会在3个工作日内上传到AI studio《百度架构师手把手教深度学习》课程上
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
病情分析,分析现有病例中的症状,如癌症分析,以典型参数淋巴结x、侵犯程度y等为参数,根据对结果的影响程度设置权重w,与实际病情对比作为损失函数,设置优化函数调节权重w。
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
就个人找工作的经历来看,近两年来深度学习复兴,市场上对于初中高级的ai工程师(深度学习工程师)需求较大,而目前年轻人因为关注深度学习较晚、学习周期较短,能够满足公司要求的工程师相比需求来说较少。供小于求,因此AI工程师的前景很大
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
答:比如怎么和女朋友交流就可以用监督学习的框架来解决,假设是女朋友和你的交流是可以收敛的(女朋友不是一个极不稳定的系统),优化参数就是你的动作和语言,优化目标就是女朋友的心情指数,动作和语言向着对的方向女朋友开心,反之女朋友就不理你了。
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
答:AI就是要取代重复性的工作,随着人力成本的上升,一些重复性的工作使用机器的成本相对来说会越来越低,企业会考虑使用AI工程师+对应计算机处理任务的方式来替代大量的人工方式,因此AI工程师会有更好的发展前景。
1.交通拥堵的影像因素可以用监督学习方法实现预测。
2.
1)世界级围棋选手柯洁与谷歌旗下的AlphaGo,进行人机对战,三番棋全败。
2)手机的智能芯片决定了手机的智能程度及价位特征。
3)人工智能的搜索引擎可以帮助人们最快获取需要的信息。
从市场角度看,人工智能的前景不可限量,"AI+"形式逐渐超越“互联网+”成为第一热门的关键词,各种技术的融合让工业界技术大放异彩。人工智能永远都在需求当中。
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
答:电梯使用情况,假设有多架电梯,电梯运行数量与具体时间,楼内人数,以及天气,是否节假日有关,优化目标为电梯使用数量。
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
答:首先,当前AI是未来发展大趋势,各行各业都在积极的引入AI,提高效率,降低成本。此外,由于该行业正值春天,蓬勃发展,人才需求量高,目前人才数量太少,供远小于求,因此AI工程师有很大发展前景。
我们了解到,从各大招聘网站,可以看出在数据挖掘,AI工程师等职位由很高的需求量和很高的薪资,这不仅会提供很多职位(如AI教育的教师职业),而且会进一步提高AI行业的发展潜力,市场需求大,目前AI人才紧缺,是目前亟待解决的问题,因此AI工程师发展潜力巨大。
一. 类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
二. 为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
1. 成绩好坏也可以用监督学习框架解决。假设是成绩好坏与智商,学习时间,作业完成情况有关,参数是智商,学习时间,作业完成情况。优化目标是最小化预测成绩与真实成绩的差值。
2.
发展前景:
AI已经从技术上升到了国家战略层面,AI赋能了很多传统行业,未来的需求任会越来越大,
就拿现在热门的图像识别分类、语音识别等为例,深度学习的出现降低了这些问题中数据的特征变换的要求,而且具体到不同的细分任务也可以用相同的框架来进行处理,这提高了行业的自动化程度,加快了业务的迭代速度。
供求关系上:
目前各大高校培养的机器学习方面的人才对于现在市场的需求来说还是相对滞后的,相关从业人员不但需要丰富的工程经验,对业务数据有准确的把握,同时也要能紧跟机器学习当下最前沿的理论并尝试加以应用,这个要求还是比较高的。市场对人才的需求与竞争也会越来越大
1. 比如不同的物体表面具有不同的纹理分布,因此具有不同的摩擦力。假设手指触摸材质表面感受的摩擦力大小与手指移动速度、触摸压力、材质表面的平均纹理宽度、纹理高度呈线性相关,设参数为上述4个因素与材质表面摩擦力的对应权重,预测当前时刻手指触摸材质表面时受到的摩擦力。优化目标为使预测的摩擦力与已测量的真实摩擦力之间均方差值尽量小。
2. 因为AI能够用机器学习的方法便能解决大量生活生产的实际问题,而不需要学习掌握大量该领域的专业知识。面对庞大的AI应用领域,目前AI人才还极其紧缺,因此成为一名良好的AI工程师拥有远大的发展前景。
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
图像分类问题
假设:图像类别和图像像素值的的函数
参数:每个像素的权重
优化目标:预测的类别和真实的类别相同
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
市场供小于求,AI市场人才需求量大,但高端人才较少
1、广告投入、年龄层、消费者行业对商品销售额的影响。
假设:线性关系;参数:广告投入、年龄层、行业对销售额影响的权重;优化目标:预测销售额与实际销售额的方差极小。
2、因为现在各行业数据都有极快的增长,硬件的性能也有很大提升,如何处理这些海量数据(包括图片,文字,语音等),如何从里面提取信息,分析信息,成为一个不可避免的问题,而AI工程师可以利用深度学习的知识处理这些问题,为各行业的发展决策提供有力的助,所以AI工程师有发展前景。
2.理论作业:
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
答:微波炉溶解琼脂糖粉的例子。使用同样大小(高火、中火、低火)的火力,称量不同的重量的琼脂糖粉,记录完全溶解需要的时间,研究琼脂糖粉的重量H与溶解时间T的关系,假设它们的关系是线性关系:T=bH,其中b为系数,优化的目标为b,使得计算的溶解时间T与实际记录的时间最接近。
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
答:AI工程师是一个新兴职业,近几年随着人工智能兴起,市场的缺口极大,物以稀为贵,所以薪酬也是偏高的。不管是正在从业计算机行业的,还是其他行业的,都想转行人工智能,随着供需的平稳,薪酬也会慢慢的稳定下来。
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
比如英语六级考试:假设是当总学习时间固定时,适当分配(不一定为均匀分配)自己学习听力、阅读、写作、翻译的时间,六级成绩会更好;参数则是自己分配在听力、阅读、写作、翻译的时间比例;优化目标是六级成绩。
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
从经济学来讲,当需求大于供给时,价格会提高。由于深度学习在教育、医疗、工业等多个方面均有广泛应用,前景广阔,需求量巨大,而目前好的AI工程师数量又比较少,所以AI工程师的待遇会更好,发展前景光明。
1、电力线巡视过程中,可以假设某段线路照片与已知故障照片的相似程度越高,越可能存在相应故障。参数相对来说隐晦一些,不是简单的单张图片的像素排列,而是类似yolov3等目标检测网络的输出结果。
2、无人机单价在数万元左右,直升机单价数百万元左右。相对于燃油费用,电池充电的费用基本可以忽略。深度学习技术能够以极低的成本提供覆盖范围更广的服务,人工智能工程师自然能够从服务替代的过程中获取巨大价值。深度学习相关知识内容庞大,顶尖人工智能工程师数量相当有限,他们能获取的回报自然更为丰厚。
1. 类比牛顿第二定律: 买水果的时候,预测水果的好坏,这个可以通过生活经验积累,有监督的对历史购买情况进行分析
假设水果是否是好的可以通过眼睛观察
参数可以是色质,形状,表面光滑度,价格等,
优化目标是,每次买的水果都是好的。
2. AI的前景:
个人认为目前AI是行业的风口,政府和企业都高度重视,AI人才有很广阔的发展空间。但就个人来讲,我更看重AI的应用场景和实际社会需求。从经济学来讲,AI人才供小于求,而且AI市场随着发展,会刺激其他行业应用的协同发展,这样就更进一步扩大AI需求,更加拉开供需缺口。
问题1:
青少年身高与体重的关系可以通过监督学习进行归纳,通过采集多个少年的此类数据,通过多项式建模进行归纳。
问题2:
发展前景:机器学习特别是深度学习的出现使得人们在解决某些领域的问题时不需要掌握那么多该领域的知识,并对系统的输入数据依据该领域的深厚知识进行精妙的变化和处理。通过大量的数据和算力以及精细构造的模型结果,目前深度模型的性能在稳步提高,但入门难度却在降低,无须过度的领域知识即可着手建模验证想法。
供求关系上:生活领域有大量的深度学习人才需求,但目前深度学习仍在在起步阶段,人才存量还不大,还需要大量的基础开发和应用开发人才,总体上供小于求
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
电路中的电流=电压/电阻 (I=U/R)
假设:电流与电压是线性关系
参数:回路电阻的倒数
优化目标:找到参数1/R使预估电流值与实际值尽可能一致
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
因为目前AI算法已能够解决很多实际问题,较小的学习代价能够解决很大价值的实际问题,所有说AI工程师有发展前景
学习成本不高,但可解决各产业较多问题,投入不高、产值高,初学不久的AI工程师能解决行业资深专家才能解决的问题,所以这是一个有前景的行业
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
大棚作物的生长情况:作物种类,光照,空气碳氧含量,温度,适度,土壤肥力(各种土壤施肥的种类数量等)
优化目标:最小的成本最大的产出。
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
个人经验->更加系统、科学的数据分析->虽然可解释性差,但就是好用。
成本低廉,效果显著。
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
回答:
① 信贷风险控制,贷款是目前伴随着目前超前消费不断流行而流行的金融服务,一个客户是否逾期,是好客户还是坏客户是明显的标签,其参数可能包括学历、收入、借款金额、利息等因素,优化目标是降低借款机构如蚂蚁金服的风险,控制坏账
②目前AI工程师的市场供需现状其实是随着AI不断发展的行业人才需求和高校企业培养力度不足导致的人才供给不足之间的矛盾。并且AI助力到各行各业,其需求量是巨大的,相比之下,成熟的工程师的数量则捉襟见肘。因此,市场急需AI工程师人才,自然前景好
理论作业:
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
答:PM2.5浓度预测,参数就是温度、风力、污染等一系列参数的权重,预测PM2.5的具体浓度值,优化目标是PM2.5预测值与真实值的“距离”
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
答:AI工程师的前景在于:AI技术其实是一种比软件研发更高级的通用能力,通用能力就是在节省人力、节省成本,流程规范化,因此AI技术不断进步,AI工程师将更有前景
问题①解答:
一个地区的居民收入水平和受教育时间可以用监督学习的框架来解决。假设 收入水平 s ,受教育时间x, s = w* x,w是待定参数;优化目标是使得w*x的输出与真实的s尽量接近
问题②解答:
ai的发展促进了工业的变革,吸引了更多领域对ai的引进,继而人才需求量增加。而目前ai人才还存在很大缺口,物以稀为贵,导致ai工程师的薪资、就业各方面的优势
①类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?假设和参数是什么?优化目标是什么?
通过飞机上航空发动机的运转信息,检测航空发动机的寿命,从而提前进行维护?
假设:航空发动机所处的运转健康状态,表现于装在飞机上发动机的运转状态检测参数上,如振动频率,运转温度,压力等,因此可以假定下一次故障发生的时间T依赖于这些状态变量X,通常这个模型是比较复杂的,这里采用神经网络作为模型的假设空间即Y=f(X|w)[f为神经网络模型,w为神经网络的权重与偏置参数]
参数:神经网络的权重与偏置
优化目标:min L=g(Y_pred,Y_true)使得预测发生故障时间与实际发生故障时间的差距尽可能小,由于是回归问题,这边g可以选用均方和误差MSE
②为什么说AI工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
供给侧:大量新兴初创企业,将AI与多种传统行业进行了融合包括农业,制造,金融等,需要大量人才将想法转化为实际的产品
需求侧:AI的人才仍然处于大量短缺的状态远远更不上企业诞生的速度
类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?模型假设和参数是什么?评价函数(损失)是什么?
为什么说深度学习工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
一座城市一天一段时间内网约车的使用量 假设为线性回归 参数是天气,工作日还是周末,工作时间段等,评价函数是预测使用量和真实使用量,用平方损失函数。
市场广阔,有许多方面可以应用深度学习,供小于求,企业所需人才远大于市场包括大学、培养机构培养出的人才。