吴恩达谈深度学习:数据科学家需要知道的

【新智元导读】数据科学家需要什么深度学习知识?吴恩达 (Andrew Ng)用机器看图说话,机器问答等实例告诉大家。本文是吴恩达在2015年12月在ExtractConf上的演讲摘录,含20分钟视频与ppt。

【董飞】2015年12月 Andrew Ng在Import IO主办的ExtractConf的演讲,谈数据科学家需要知道的深度学习知识。当时还演示了机器看图说话,机器问答,Dulight,Faceyou的效果。其中Faceyou就是个APP,能实时对人脸做3D建模,替换其他的鬼脸,他开玩笑说赶在万圣节之前上线,以后都不要买道具,一秒变鬼畜。

下面是演讲PPT

为什么数据科学家需要学习深度学习?

深度学习应用

计算机视觉:找咖啡杯

大脑中的神经元

计算机视觉

什么是神经元网络

监督学习(从被标注的数据中学习)

深度学习为什么能得到腾飞式发展

这(几乎)全是关于规模

火箭引擎:由规模化驱动的深度学习

计算机能理解这些图片吗

监督式学习

学习写图说

学会回答问题

深度学习的应用

语音识别

百度深度语音:火箭引擎

语音识别的表现

大多数人都不明白95%准确度和99%准确度的区别

语音将会改变物联网

深度学习的应用

深度学习和大数据

为什么是深度学习

规模化的问题: 移动设备

Faceyou APP

深度学习的未来

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2016-05-07

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏CDA数据分析师

神经网络的优点和缺点

在本文中我们将探讨如今深度学习如此受欢迎的原因。在读完本文后,你将了解神经网络的主要优缺点,并且当你为解决机器学习问题选择合适类型的算法时,你将做到心中有数。你...

5813
来自专栏机器之心

人物 | Ian Goodfellow亲述GAN简史:人工智能不能理解它无法创造的东西

选自Wired 作者:Cade Metz 机器之心编译 参与:黄小天、蒋思源 著名物理学家、加州理工学院教授以及畅销书作者理查德·费曼( Richard Fey...

36511
来自专栏量子位

问答Goodfellow:没有样例能不能训练机器学习算法?

李杉 编译整理 量子位 出品 | 公众号 QbitAI ? 从图像和语音识别到自然语言分析,神经网络已经在很多领域大展身手。过去几年,它们的精确度已经几乎可以与...

2703
来自专栏AI研习社

为什么吴恩达认为未来属于迁移学习?

AI研习社按:日前,知名 AI 博主、爱尔兰国立大学 NLP 博士生 Sebastian Ruder 以 “迁移学习:机器学习的下一个前线” 为题,对迁移学习的...

2713
来自专栏新智元

UCL汪军团队新方法提高群体智能,解决大规模AI合作竞争

【新智元导读】当前人工智能最大的挑战之一,是如何让多个智能体学会一起完成同一个任务,学会彼此合作和相互竞争。在发表于ICML 2018的一项研究中,伦敦大学学院...

1520
来自专栏新智元

【Hacker News最火教程】机器学习必备的数学知识

【新智元导读】对于很多入坑机器学习的同学来说,数学可能是比较艰辛的部分。本文作者介绍了构建机器学习产品、或进行机器学习研究所需的数学背景,以及来自机器学习工程师...

611
来自专栏人工智能头条

从How-Old.net看人脸识别技术的演进

1463
来自专栏新智元

【Quora精彩问答】机器学习的十条金科玉律

【新智元导读】曾在 Endeca, Google, LinkedIn 负责机器学习项目的 Daniel Tunkelang 在 Quora 上发表了给非专业人士...

3798
来自专栏量子位

旷视首席科学家孙剑:计算机视觉的变革和挑战 | 北大AI公开课笔记

周三晚,北京大学“人工智能前沿与产业趋势”第三讲,本期旷视研究院院长孙剑授课主题为“计算机视觉的变革与挑战”,分享了计算机视觉和深度学习领域的一些研究进展。

1125
来自专栏ATYUN订阅号

IBM的新系统可以自动选择最佳的AI算法

深度学习系统可以摄取数据,转换数据,输出数据并传递数据,但并非所有的都能等同。没有算法适用于每个任务,找到最佳的算法可能是一个漫长而令人沮丧的过程。幸运的是,I...

742

扫码关注云+社区