深度学习基础中核心算法有哪些？

AI算法与图像处理

共 2216字，需浏览 5分钟

· 2021-06-09

深度学习是人工智能从概念提出到走向繁荣得以实现的主流技术，为计算机视觉、语音识别、自然语言处理领域带来了突破性的进展，在人脸识别、语音识别、机器翻译等应用的准确率达到了接近甚至超过人类的水平。

目前，谷歌有高达100+种服务都使用了深度学习方法，其中谷歌翻译中将日语文字及菜单翻译成英文，这一功能解决了很多语言不通产生的问题。

（图片来源：《深度学习》）

人工智能产品的落地应用，备受全球瞩目，我国《国务院关于印发新一代人工智能发展规划的通知》中确立的 2020 年实现人工智能核心产业规模超过1500亿元为目标。

但由于我国人工智能起步较晚、发展历程较短，人工智能人才储备不足且培养机制不完善，导致我国人工智能产业内有效人才缺口预计高达30 万。作为人工智能技术的根基，深度学习已成为人工智能领域入门者及研究者的必修知识。

（图片来源：全球人工智能人才报告）

有效人才巨大缺口、急剧增长的市场需求、丰厚的薪资，驱使不少人想要在短期内掌握深度学习知识，达到就业水平，因此很多人通过读知乎、博客文章的形式进行学习，但很难通过零散的知识点达到系统学习的效果；思维工程非理论，在深度学习理论理解不透彻的情况下，直接进行动手实践，最终造成了只会调参数的局面。

怎样才能拥有扎实的理论基础做后盾？最终实现落地实际应用?

近期,深蓝学院推出『深度学习：从理论到实践』在线课程，本门课程将从基础的数学模型以及算法实现出发，详细讲解CNN、 RNN、 LSTM等常见的深度神经网络模型，以及在计算机视觉、自然语言处理等领域经典任务中的应用。

课程大纲

课程讲师

元春

算法工程师

博士毕业于中科院大数据挖掘与知识管理重点实验室，主要研究方向为机器学习、自然语言处理。

在国际会议与期刊中发表多篇论文，研究课题包括文本多语境表示学习和文本情感分析算法研究，以及利用文本情感分析方法与动态情感复杂网络对股市的研究。

曾与考拉征信、春雨医生、北京大学大数据研究院进行项目合作，先后在华为诺亚实验室和微软亚洲研究院实习。

洪振

高级研究员

博士毕业于中科院自动化所模式识别国家重点实验室，主要研究领域包括深度学习、目标识别、语义分割、OCR等。

曾获2016RAC目标识别亚军，17年ISPR 2D图像分割冠军，发表论文近10篇。

实践项目

本门课程采用理论与实践相结合，包括五个实践！这里为大家详细展示两个。

实践项目1：房价预测

房价预测是一个典型的回归预测问题，经常被当作机器学习算法的入门应用。基于神经网络的房价预测是利用全神经网络的强大拟合能力来拟合一个回归函数。

本实践所用数据集为波士顿地区的13个房产特征与对应的房价，通过训练一个神经网络模型可以预测波士顿地区的房价。

实践项目2 ：目标检测

目标检测任务需要从背景中分离出感兴趣的目标，并确定这一目标的描述(类别和位置)，是从图像分类过渡来的任务，目标检测的应用主要包括人脸检测、安防监控、交通疏导等。本次实践主要讲解基于CNN的目标检测的开山鼻祖:Faster RCNN。会从思想来源(分类任务到检测的过渡)、网络搭建和网络预测三个方面展开，熟悉目标检测的基础框架。