-
-
跟我走吧,搭完路由器玩人工智能!
-
产品总监说:想要听课效果佳,开课之前这样做
-
产品总监教你怎么闯关!
-
HCIP-AI,约吗?
HCIP-AI,约吗?各位童鞋,这个4月有很多值得期待的东西,比如最后一季的权游马上就要开播了,再比如复联会怎么编下去也要有结果了。所以,YESLAB的HCIP-AI课程报一个不?既然这一期的主题就是我们马上要开始的HCIP-AI课程,那么我们就简单和大家介绍一下这期HCIP-AI课程的构成吧。首先,我们的HCIP课程一共是16周,每4周一个模块,一共4个模块,这4个模块是AI基础、图像处理、语音处理和自然语言处理。显然,后面三个模块就是HCIP课程对应的模块啦,这也是严格按照华为官方HCIP课程所定义的。为了说清楚我们HCIP的课程结构,小产我专门花了三个多小时的时间绘制了一张华丽的课程框架图,就是下面这张:
넶253 2019-04-04 -
做别人的项目,成功!做自己的项目,跳票?!
-
新一期HCIP-AI课排出来啦
-
学习新法 | 闯关大挑战
-
HCIP-AI的安排
-
马尔科夫链
最近,还有一件事可能和华为的AI认证有关系,那就是从2019年1月2日起,匹配华为公司未来长期战略,紧随ICT技术演进趋势,保持华为认证品牌统一,华为更新的自己的认证体系。按照华为官方的说法,具体的升级内容如下:
1. 华为认证架构由原“ICT基础架构认证、ICT开发者认证、行业ICT认证”升级为“ICT技术架构认证、平台与服务认证、行业ICT认证”。
2. 华为认证级别名称由原“HCNA、HCNP、HCIE”等9个升级为“HCIA、HCIP、HCIE”3个,其中新名称中“I”统一表示“ICT(Information and Communications Technology 信息通信技术)”。
华为认证级别新名称发布之后,华为认证原有名称与新名称具有相同效力。넶139 2019-01-11 -
人工智能|时间都去哪儿。。。去哪儿。。。
-
-
-
盘点五大人工智能应用行业
技术是一种变革力量,目前人工智能(AI)技术已成为技术变革的领导者。因为AI不仅自身表现优越,同时它还涵盖了许多不同的领域。从深度学习技术应用于医疗、金融、机器人开发以及自动驾驶等现状来看,AI已经取得了丰硕的成果,但还不能被称为成熟,毕竟我们确实很难量化AI对经济和个别行业的确切影响。
넶239 2019-04-22 -
感受人工智能的强大!Open AI 2:0碾压TI8冠军OG战队
人工智能OpenAI在当地时间4月13日于美国旧金山迎战去年Ti8冠军OG战队,把Dota 2世界冠军打得落花流水,在刚刚结束的三局两胜比赛中轻松获胜。两局比赛加在一起,人类只推掉了AI两座外塔。最惨烈的第二局,人类直到最后击杀人头数还是个位数。
넶311 2019-04-19 -
Randomly Wired Neural Networks
最近AI圈又被大神何恺明等人刷屏了,计算机视觉领域又出现更加有效的方法,即让神经网络回归连接主义的本质又创造了新的模型思维。众所周知,人工智能的发展过程包含了符号主义、行为主义与连接主义,基于计算机视觉的人工智能程序自AlexNet以来就大量采用了神经网络技术,其特征提取的优秀效果为自动驾驶等AI应用创造了基本条件。
넶496 2019-04-11 -
人工智能强化学习11|小白都能秒懂的蒙特卡罗
蒙特卡罗方法(Monte Carlo Methods)一词最早是由计算机之父冯·诺伊曼等人于20世纪40年代提出的。Monte Carlo本身是一座非常著名的赌城,所以这一算法与“赌”就结下了不解之缘。如今,蒙特卡罗方法在金融工程学、宏观经济学、生物医学、计算物理学(如粒子输运计算、量子热力学计算、空气动力学计算、核工程)等领域都获得了广泛的应用。在人工智能(AI)领域,蒙特卡罗方法则是强化学习的三大基本学习方法之一。本篇是蒙特卡罗方法的上篇,旨在解释蒙特卡罗方法的基本算法规则。
넶202 2019-04-04 -
案例分析 | 谷歌人工智能机器人TossBot
投掷、滑动、旋转、摆动、捕捉和其他运动技能是未来智能机器人运动系统的基础,这些技能对目前最先进的机器人系统来说也仍然存在挑战。尽管在目前的技术能够使机器人有效掌握物体,视觉上自我适应以及从实际经验中进行学习,但机器人的操作过程仍需要仔细考虑如何拾取、处理和放置各种物体,这需要大量的计算与耗时。
넶153 2019-04-03 -
AI时代 | 创客与机器人们
今日的人工智能技术给予我们无限的创造力,而边缘计算则让梦想更加接近现实。同样是利用Nvidia Jetson产品,四名高中生使用神经网络创建了两个RaceCar,可以帮助火警完成工作。 RaceCar可以在高达5 Hz的速度下同时完成许多任务,包括转向、人体探测和导航。它使用的是Jetson TX系列模块。机器人能够并行处理这些任务,并能以30英里/小时的速度行驶与分析周围环境。实验证明RaceCar可以比人类更快、更安全地获取灾难现场的大多数信息减少火警伤亡与救援部署时间,挽救更多生命!然而想发挥边缘计算的优势,就离不开中心-边缘的计算结构。这些处于边缘运算过程的神经网络首先会使用大型GPU集群进行训练,达到一定效果后将其分别部署在边缘硬件上,并在后续使用过程中继续进行训练。在边缘使用GPU硬件能够让神经网络以超过CPU 30倍的速度运行,并且由于GPU的并行处理能力较强,所以每辆RaceCar能够同时运行1个目标检测神经网络,与三个串联工作的小型转向神经网络。
넶84 2019-03-25 -
经典 | DRQN神经网络
本文是一篇将强化学习与深度学习结合应用的经典论文,文章来自德克萨斯大学奥斯汀分校,最后一版于2017年修订。DQN神经网络是用于像Atari游戏这样的游戏AI程序,它通过观察游戏屏幕内容,由卷积网络(CNN)捕获屏幕中每一帧的特征来使AI能够“理解”玩游戏的过程,通过强化学习的奖罚机制,让AI成为游戏大师。然而DQN存在一个重要问题:那就是对屏幕捕获的记忆量有限。
넶751 2019-03-15 -
人工智能强化学习10|隐藏的秘籍
DeepMind的《星际争霸2》游戏AI搞定了,将公开直播人类玩家挑战《星际争霸2》游戏AI,据说这种AI是由N多的阿法狗升级版组成的,这样的消息让人不得不佩服强化学习技术彩蛋多,总有惊喜带给我们。强化学习是一种建立在多学科基础上的机器学习技术。
넶655 2019-01-24 -
为什么AI开发人员必须掌握CUDA编程
CUDA编程是一种依赖于CPU与GPU的编程方式,在异构计算架构中,GPU与CPU通过PCIe总线连接在一起来协同工作,这兄弟俩总结起来就一句话:CPU负责处理逻辑复杂的串行程序,而GPU重点处理数据密集型的并行计算程序。所以我们常用的Tensorflow, Pytorch等深度学习系统都使用CUDA编写了许多代码(并行计算版本),这些代码也有不使用CUDA的原始版本(纯CPU版本)。如果把人工智能AI换成计算机这个答案就会非常明白。例如我使用Python语言开发网络爬虫程序,那么我的职位是爬虫开发工程师或者Python开发工程师,绝对不会是计算机开发工程师。但现实社会中也有大把人称我的工作为“搞计算机的”,所以这里我们强调CUDA编程技能,实际上只是对很纯粹的AI开发者而言,例如AlphaGo的开发人员。
넶841 2018-12-10 -
人工智能|嵌入式深度学习
深度学习技术火了这么多年,然而我们却很难在生活中实实在在地体会到它是如何工作的,本文将以 Nvidia Jetson TX2 开发卡为例,介绍深度学习技术是如何应用在小型硬件设备。
넶347 2018-11-30
-
-
-
人工智能|09 撸铁撸技术!ResNet_V2
ResNet的第二个版本,论文最终版发表于2016年7月。读完这篇论文,第一感觉就是ResNet V1版本仅仅是作者用来尝鲜,在体验到y=x的无穷魅力后,这个版本将恒等映射的作用发挥到了极致。
首先就是模型中的Block江山易主,V1版本时作者将恒等映射称为“铺路策略”,而在这个版本作者则认为恒等映射才是王道,并且通过不断的研究实验最终证明Block的最后激活使用恒等映射是最佳选择,使用这样的方式来改变ResNet模型,作者在Cifar10数据上建立了1001层深度的ResNet,并将成绩(错误率)降低到了4.92%넶1336 2019-01-15 -
人工智能|08 Resnet V1
看完google net,就轮到resnet了。resnet有两个基础版本,今天我们来看看resnet v1。Resnet v1是何恺明等人在2015年提出的CNN结构,其研究重点在于极深神经网络的梯度消失问题。
넶720 2018-12-28 -
人工智能|今天,我也来当一回网红课揭秘账号
大家好,我是YESLAB人工智能课程的曹鑫磊老师,关于上海交大的课程交付已经完成。事实上,一开始我们都觉得很忐忑,毕竟是国内名校如果课程的知识含量上不去,势必会觉得我们在作秀,抑或完成任务。而如果知识含量太大搞得学生都弄不懂,则会反应出老师的不专业。而YESLAB人工智能导师江老师从第一节课前就嘱咐过我,“现场授课的好处就在于能与学生沟通,得到学生及时的反馈。”换句话说,这就是战场,你不能上了战场才露出怯懦,必须掌控整个战局才能获得胜利!
넶109 2018-12-20 -
人工智能|07 解锁GoogLeNet V3
第三个版本的Google Inception Net 论文题目为Rethinking the Inception Architecture for Computer Vision,从题目就可以看出这又是一篇研究性质的论文,没有全新的结构,但会带来一些新的技术思维,供读者们在自己的研究领域中借鉴。既然是谷歌出品肯定是影响非凡,所以自信的谷歌在本论文的开头部分就提出了设计深度卷积神经网络的一些准则,一切违反准则的设计都是假大空。
넶87 2018-11-23 -
人工智能|06 踢开Google Net的大门
第二版本的GooLeNet 论文题目很特殊,主标题为Batch Normalization,这样的题目难免让人匪夷所思,神经网络在哪里?CNN在哪里?但正是这样题外话般的一篇论文,让人们使用至今。
넶150 2018-11-14 -
-
人工智能|04 被VGGNet一巴掌拍懵
继AlexNet与ZFNet之后,VGGNet拿下了2014年ILSVRC(ImageNet Large Scale Visual Recognition Competition)的冠军。VGGNet是牛津大学视觉组构造的深度学习模型,整个架构的特点就是成熟二字,首先系统减少了对参数细节的思考,大量重复参数出现,其次这个网络给予用户多种架构选择,就像买车一样有高中低配,让人使用起来非常舒服。当然这些都不是本文的重点,更让人兴奋的是,这篇论文会对前面的文章重重打脸,让我们拭目以待。
넶87 2018-10-31 -
人工智能|03 ZF-Net是什么?
在前文中,我们了解了Alex-Net,它的出现让深度卷积网络变得流行起来的。当然这是2012年的事情,但这种热度至今都未消退,2013年就有人在Alex-Net的基础上进行了改进,使用改进后的网络拿下了ILSVRC比赛的冠军。作者是纽约大学的两个人,Matthew D. Zeiler 和 Rob Fergus,他们也给自己的创作起了个跟两人姓名相关的名称 ZF-Net。然而他们的成就不仅仅是拿到了比赛冠军,论文中更多的篇幅则是用来描述他们如何对Alex-Net这样的卷积网络进行可视化。
넶227 2018-10-10 -
人工智能|02 遇见Alex Net
每当谈及目前最热门的人工智能与深度学习,就不得不提到一位名叫Geoffrey Hinton的传奇。他坚守着自己的信念,度过了神经网络的寒冬,并在2012年的ImageNet Large Scale Visual Recognition Competition (ILSVRC)上神经网络大放异彩,而Alex Net这一深度卷积神经网络结构也将深度学习一词带入所有人的视野。
넶231 2018-09-25 -
人工智能|01 计算机视觉任务
计算机视觉技术是一种多学科混合技术,旨在让计算机模拟人类视觉来理解看到的东西,所以“看懂”是计算机视觉的核心理念,任何计算机视觉任务、技术与应用必须围绕这个理念来设计与实现。本系列文章将会带你走进计算机视觉的世界,看到近几年计算机视觉技术发展的成果,体验人类是怎样从动物视觉甚至人类视觉的生物特征中提炼技术模型,应用在计算机视觉任务中。
넶178 2018-08-15
-