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?
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?
1、文本分类,参数是分为正类和负类的概率,优化目标是分类的准确率
2、大数据的发展带动了AI的发展,AI颠覆了一些传统行业的模式。例如:智能问答系统,为企业节省了客服人员的开支;文本分类系统,提高了分类的效率等等。虽然说AI已经进入我们生活的方方面面,但是AI发展并不是十分成熟,并不能完全取代传统的一些方式。AI还有很长的路要走,现在AI工程师的数量与质量都很难达到企业需要的标准,AI工程师供不应求。
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?:汽车耗油量与行程的关系:
假设线性模型,参数有重量,轮胎摩擦系数,风的阻力,行驶速度。优化目标是最小化方差。
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?:
AI是今年来才迅速火爆的,虽然可以应用于各个领域,但普及度还是很低,还处于成长期。同时,AI的使用极大的降低了人工成本和提高了工作效率,能够获得较大收益,市场对其需求是巨大的,供不应求。虽然普及度很低,但普及是大势所趋,市场广阔。因此,AI工程师很有发展前景。
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?
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?
1. 身高预测。
假设:身高与年龄,性别,及父母身高间存在线性关系
参数:年龄,性别,父母身高
优化目标:均方误差最小化
2.就未来而言,国家新旧动能转换,人工智能无疑会在各个领域起到巨大的作用,那么市场上就需要AI工程师来对实际应用中遇到的问题进行建模,国内人工智能2017年兴起,第一批本科生也尚未毕业,需要理论基础扎实,动手能力强的AI工程师。
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:学习成绩。学习时长,学习效率,作业完成度。 优化目标:学习成绩高,时长短。
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:如今AI这两年刚刚兴起,市场需求还很大,但是普通AI人员也很多,并且层次不齐。如果对于AI感兴趣,且基础扎实的工程师未来还是很有前途的
同学们都特别认真,赞
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?
答:公司中,员工每天上班打卡时使用的人脸识别打卡机器和员工进入公司大楼时入口处的闸机。假设函数为Y^ = f3(f2(f1(w1x1 + w2X2 + w3x3 + ··· + b))),其中wi为参数,b为偏置,优化目标是让 Y^ = Y(其中Y为训练集每张图片对应的员工)。
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:1、AI如果能实现并且落地,应用到真实生产中,能大大提高生产效率,降低成本,产生更大的利益,创造更大的社会财富。2、当前市场AI岗位供<需。3、AI会帮助人们实现很多功能,成为人们的小助手,在很多领域中AI的能力甚至超过人类的水平,并且是自动化的,所以AI是未来,AI工程师是必不可少的。
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?
类比牛顿第二定律:病人患肿瘤时,预估肿瘤性质,是良性还是恶性
假设:肿瘤性质与肿瘤的尺寸,肿瘤的大小及病人的年纪间存在线性关系
参数:肿瘤的尺寸,肿瘤的大小,病人的年纪
优化目标: 均方误差最小化
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?
现在AI算法已能够解决很多实际问题,并且AI现在处在行业的风口,同时初学不久的AI工程师能解决行业资深专家才能解决的问题,所有说AI工程师有发展前景。
首先政府和企业都高度重视AI行业,所以AI人才有很广阔的发展空间。从经济学来讲,现在AI在我国刚开始兴起,并且AI人才供小于求,而且随着AI在市场以后的发展,AI需求会越来越大,AI人才供需缺口会变得越来越大。所以有说AI工程师有发展前景。
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?
答:车辆运行速度、支架摩擦系数、支架接触面、橡胶圈弹性系数对天窗防夹力的影响。
假设:线性关系; 参数:车辆运行速度、支架摩擦系数、支架接触面、橡胶圈弹性系数;优化目标:预测防夹力与实际阻力方差极小。
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:随着GPU算力的提高,深度卷积网络的训练速度得以加快,从而导致大量深度学习项目在服务端落地,但是边缘计算设备的算力不足导致大部分项目落地有困难,而市场上又存在大量的AI项目等待落地,导致AI人才的供小于求,所以AI工程师有发展前景。
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?
养猪场如何确定每日所需饲料量?
假设和参数主要就是生猪数量x1以及生猪月龄x2。饲料y=w1*x1 + w2*x2 +b;
优化目标:min L=g(Y_pred,Y_true)使得预测值与实际消耗饲料量更接近,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?
目前AI在某些问题领域已经很成熟,需要相关人员进行各种落地实施,这些项目需要大量AI工程师。
同时,还有很多问题并未达到应用落地的成熟度,这些更需要大量AI工程师进行研究、探索及总结。
随着技术的发展,现在的ai技术以及能在众多领域降低生产成本、降低人员劳动强度等,以后会有更多机器人代替人的工作,大幅降低生产成本、提高经济效率。目前全世界都将AI技术作为新的经济增长点,必然需要大量AI工程师推动行业的大发展。
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?
比如同交通路况--车流量
假设相同路口9:00-10:00的时间 没有特殊情况发生
参数可以是天气,周边活动,上下路口的情况等
优化目标是预测车流量与实际车流量的误差最小
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?
市场供求关系是指在商品经济条件下,商品供给和需求之间的相互联系、相互制约的关系,它同时也是生产和消费之间的关系在市场上的反映。从经济学的角度分析,面对当下形式,各行各业都享受着AI的带来的福利,大公司争着抢占AI领域的排头兵,小公司如果不用新的技术无法跟上时代的需求,AI的时代市场需求是非常大的,如此大的需求最先涉及的便是AI领域的相关工作人员,在未来几十年甚至更远,AI的发展也是与时俱进的,所以无论在哪AI工程师都会有很好的前景。
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?
推荐系统如何预估点击率?
假设预测数据集和训练数据集服从同一分部;参数主要就是各种连续和离散特征;
优化目标:min L=F(Y_pred,Y_true)使得预测点击率与实际点击情况更接近,使用交叉熵损失函数
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?
目前AI在某些问题领域已经很成熟,需要相关人员进行各种落地实施,这些项目需要大量AI工程师。
同时,还有很多问题并未达到应用落地的成熟度,这些更需要大量AI工程师进行研究、探索及总结。
随着技术的发展,现在的ai技术以及能在众多领域降低生产成本、降低人员劳动强度等,以后会有更多机器人代替人的工作,大幅降低生产成本、提高经济效率。
全社会对ai工程师的需求在增加,但是优质ai工程师的供应量却跟不上需求增加的速度,所以供小于求,ai工程师极具发展前景。
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?
点击意愿(点击率)预测
假设:
y=1/1+exp(-(wTx+b))
y:点击意愿(物品,用户)
x1 :物品的总点击率
x2: 用户同性别物品点击率
....
xn : 历史点击同类物品数
参数:w,b
优化目标:预测值接近真实值
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?
因为数据量的暴增,硬件和算法的发展,有场景有条件用AI技术。 许多传统行业需要技术升级,制造大量岗位,薪资待遇都比较高,同时由于这个行业人员的大量涌入,企业对ai工程师的要求也越来越高。
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?
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?
K12教育-定制化教学服务
假设和参数是什么?
假设:每个知识点之间是有关联关系,也就是知识图谱
参数:知识点难易度自身的难易度,每个学生对于每个知识点的掌握度,测评分数
优化目标是什么?
对于每个学生有针对性的学习路径
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?
为什么说AI工程师有发展前景?
随着各行各业大数据的积累,必然会产生对行业有价值的数据,因此归纳·预测有价值的数据会是顺其自然的产物。相应地意味着需要专业的AI工程师来赋能于各行各业。
怎样从经济学(市场供需)的角度做出解读?
随着AI技术的日趋成熟,使用AI技术的门槛会逐渐降低,会出现诸多研究细分领域的企业通过AI技术给予赋能,致使AI技术产生价值,有效变现。
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?
比如问题是基于监督学习的框架通过车辆或行人的可观测特征去判别当前的行为。以解决车辆行为识别的问题为例,车辆通过传感器检测的数据,有IMU/GPS采集与间接解算的横向速度x1、纵向速度x2、横向加速度x3、纵向加速度x4,摄像头采集的车辆前轮中心与左右车道线的横向位置差x5、x6,前置毫米波雷达采集的与前车的横向距离x7,后置毫米波雷达采集的与前车的横向距离x8等(不限于此类参数)。假设这些数据与车辆的行为有映射关系,是可以通过车辆的可观测特征去判别车辆的当前行为的;参数是上述传感器归一化后的数据,优化目标是算法分类行为与实际行为的交叉熵损失。
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?
AI是新兴技术革命的产物,无论是国家的政策导向还是行业的经济利益驱动,AI目前与多个行业进行互通,不再局限于行业之前的明显分界,所以,AI人才有很广阔的发展空间。
从经济学来讲,AI产业有着巨大的发展潜力,在提高某些行业产品性能、缩短生产研发周期上有着显著的优势,其经济收益也不可限量。目前来看,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。
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:
问题一,在航天图像判读领域,对于遥感图像识别有着重要意义。例如通过训练的网络可以识别出重要的军事基地等有战略意义的目标,缩减人为判断的时间,增强国防实力。可在采用VGG16网络提取细节特征的基础上,与ResNet50网络特征提取层进行融合,提取到更多细微特征,采用跳跃连接机制将图像信息传递到神经网络的更深层,避免图像重要特征的丢失,并解决因梯度消失导致的欠拟合问题。参数包括:天气条件,可见光,环境复杂程度,干扰数据等,通过选择合适的损失函数来进行评价,采用适当的正则化方法防止过拟合来进行优化。最终准确率不必太高,只需要相对较高的选出可能的图像最终进行人为判读就达到了预期目标。
问题二,人工智能的发展是大势所趋,通过人类的智慧赋予电脑相应的功能来减少无创造的机械劳动最终达到提升生产力的目的。从经济学角度来看,虽然时下这个岗位火热,但还是供不应求,现在人才无法满足市场需求,并在长期时间内都将无法满足需求。一是有诸多公司的需要,这个从薪酬和每年的招聘会上足以看出,二是在这个领域有许多问题还有待解决,包括专项问题和一些算法以及应用的问题。
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?
问题一:我们实际工作中经常会用到的文本分类问题,是一种常见的监督学习来解决,假设空间是我们认为字词可以认为是存在于一个高维空间,通过一些特定的划分,可以将一篇文档划分为不同的类别,参数就是找到这个划分的超平面,优化目标是我们要找到这个最好的超平面能够很泛化的划分,在测试集上也有很好的效果
问题二,当前处于一个ai的时代,ai产业的蓬勃发展,随之带来的是ai人才,工程师的需求,人才的缺口,有市场就有需求,因此ai工程师在未来很有发展前景,随着产业的壮大,也就更会推动ai的市场扩大,成为一个正向反馈的良性循环
(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?
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?
通过企业信息和财务信息,判断企业是否存在风险?通过企业基本信息,企业的财务信息,将各信息标注化后,每个变量的权重,优化目标:提高算法准确率和降低loss
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?
国家大力扶持AI在各行业的应用,当前AI主要在互联网应用较广,但是传统行业应用较少,传统行业需要解决的任务更多,需要发现的智能应用更广泛。国内AI人员供应小于需求,并且少于美国等发达地区AI人数。
问题一:
牛顿第二定律是基于案例集合做出假设,通过优化目标最终拟合所有数据,得到参数值,形成定律。这个方法很有启发性,大多数理论探究都引用这个方案。这里把认知过程归结为案例,经验和依据经验做出的预测。也就是案例对应的假设,经验对应的优化目标,有了参数就有了预测的条件。基于这一认知过程,几乎生活中所有经验的总结,规律的发现都要经历这一过程。任何一个概念作为假设,参数即这个概念的相关元素,优化目标即找到概念与相关元素间的系数。这里的描述有点像知识图谱。但知识图谱只是基于知识的相关性,服务于学习。而每个实物都与其他实物存在实际相关性,服务于生活生产。这样可以发现一个庞大的机器学习框架的应用空间。以农产品为例,从知识图谱切入可以归纳出很多农产品。以任意一种农产品的产量预测为例,参数是影响农作物生长的各种条件,优化目标是发现农作物生长的最佳条件配置。
表述似有误区,请不吝指正。
问题二:
从经济学,市场供需来说,AI工程师有发展前景的原因包括,一,目前的ai工程师人才缺乏。二,ai工程师潜在的社会价值大。AI工程师发展前景好基于ai工程师的应用领域广泛,和潜在的较大的社会生产力价值。这也是由ai技术应用领域广泛并且能够降低生产成本提高生产效率的特点决定的。