课程概述
深度学习是机器学习的分支，是一种以人工神经网络为架构，对数据进行表征学习的算法，它的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。如今，深度神经网络、卷积神经网络、深度置信网络和循环神经网络等多种深度学习框架已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。
本课程将介绍一些深度学习的方法，比如卷积神经网络CNN、循环神经网络RNN等，并学习如何利用这些方法来帮助提高自动驾驶的各个组件，包括知觉、视觉、定位、映射、控制规划、驾驶状态检测等。同时，课程中包含两个实战项目，第一个是“DeepTraffic”，它的目的是通过控制和设计神经网络的各种参数，来控制模拟小车的驾驶；第二个项目是“DeepTesla”，它的目的是使用端到端学习，将特斯拉汽车驾驶中关于前行道路的数据放入卷积神经网络，以预测汽车的转向角。
【课程目标】
了解人工智能和深度学习
掌握卷积神经网络CNN、循环神经网络RNN等深度学习算法
利用深度学习实现自动驾驶
【适用对象】
AI开发者、学生
【课程大纲】
知识模块 | 简介 |
|---|---|
深度学习与自动驾驶 | 深度学习与无人车导论、深度强化学习-运动规划、卷积神经网络（用于自动驾驶任务端到端学习）、循环神经网络（用于掌握时间）、以人为本的半自动驾驶车辆 |
适用人群
- 课程面向初次接触编程、机器学习和机器人的同学；已经大量技术经验的研究人员也能从课程提供的从实践出发的深度学习方法和应用中受益。
机构简介
稀牛学院
大数据和人工智能实战式案例教学平台。稀牛学院联合海内外业界大咖、学界名师，专业制定了极具特色的课程体系：实战教学 + 课程辅导 + 案例实训 + 班级管理，合力确保课程学习效果。学院致力于打造AI人才工场，深度链接高校和精英企业，提供实习、就业、招聘以及项目开发等个性化人才服务。
讲师简介
- Lex Fridman主讲人，麻省理工学院研究员，致力于研究以人为中心的人工智能，主要研究深度学习在半自动驾驶环境下的应用，比如感知驾驶员状态、感知场景、运动控制和规划等。
- Chris GerdesProfessor, Stanford Technology, Policy and Vehicle Safety in the Age of AI
- Sertac KaramanProfessor, MIT Past, Present, and Future of Motion Planning in a Complex World
- Karl IagnemmaCEO, nuTonomy and Research Scientist, MIT From Research to Reality: Testing Self-Driving Cars on Public Roads
- John LeonardProfessor, MIT Self-Driving Vehicles, SLAM, and Deep Learning
- Eric DaimlerWhite House Presidential Innovation Fellow, Office of Science and Technology Policy We Only Adopt What We Trust: Policy and the Business of Autonomy
课程评价(8)
感谢你参加本课程，请你作出评价：
0/300
发表评价
以下选自学员评价
系统的讲解自动驾驶涉及的深度学习基本知识，包括深度强化学习、卷积神经网络和循环神经网络部分，非常棒！
很好
还是非常不错的课程的，毕竟是从 MIT 引入进来的。
来自 MIT 的课程，66666。
自动驾驶虽然上路不行，不过后续应该是可以用在一些其他的方面，比如专门的货运通道。
目前来说，自动驾驶还是很有搞头的，腾讯刚拿到深圳的拍照
自动驾驶目前的应用场景还是不多，中国车太多了。
看了课程很有用，不过就是不知道自己可以实现 L几的自动驾驶
课程学习交流
请扫码关注腾讯产业互联网学堂微信公众号