|
|
课程介绍. d6 u) x* o8 b
将在一个场景中学习到的知识，迁移到另一个场景应用中，一直是人工智能研究领域的一个热门领域，也是一种行之有效的快速将知识积累跨领域应用的方法。
' [7 u0 T9 N5 c, M) o w本课程的内容将讲述各种迁移学习的方法，包括在同领域不同任务、不同领域任务、数据受限等多场景下的方法，涵盖有监督、无监督学习等涉及到的迁移学习。同时结合代码，我们将看到，如果将在一个数据集上学到的知识/模式做拓展，应用到另外一个数据集上，并取得不错的效果。8 z! I7 q# Z/ }5 A- v' w7 g
涵盖一下内容：
2 g, c/ b+ B' F1）从有监督到无监督，涵盖多种场景下的迁移学习3 \3 L5 H r- R/ W5 G3 q
2）多领域迁移学习一次全通
, x+ D; X1 j* N- ?) f* \3）基于数据案例，透彻理解迁移学习实现方法和注意点
5 W7 {# F' o) O3 G' ?0 F9 V% F* Q4）结合真实工业届实战项目讲解
' ?0 e* M! Q' Z) N& N7 q
* I; ^( r/ l& z* K0 c5 y
" F2 b! N, v) C+ m8 o2 g5 U* h/ W课程目录2 y# @) ~& Y2 _6 k; v3 e
6 t8 F. E. i* Y+ d第1课 迁移学习详解% L) E# A% y6 k8 |/ H
知识点1：有监督到有监督：Fine-tune, 多任务学习, o2 o8 t# A- \$ G1 B! P
知识点2：有监督到无监督：域对抗训练, Zero-shot learning, r4 [& w0 ]* {" b+ n
知识点3：无监督相关迁移学习：Self-taught learning9 D* Z# z7 m) P, ?+ w
?+ S7 d5 q- `. U第2课 迁移学习实战
- X$ S. @, y7 O+ r, P' p 实战项目：fine-tune图像识别：从已有的GoogLeNet/ResNet轻松迁移，高准度解决其他图像识别问题
' x5 N! X. I6 I" M' m% ~ 实战项目：Tensorflow实现域对抗训练：学习如何从有监督的图像识别模型，迁移用到(类似场景)没有标签的图像识别3 ]% y, ]6 D9 H s
实战项目：音乐分类和回归的迁移学习：学习如何迁移学习解决多种语音识别问题(语音场景判断、情感判断、语音/音乐判断)" M" W2 c% g, w5 \. p+ l* K
- g0 [3 e' p# |1 u
, f; K( [4 G" z
5 G6 }3 L' _: l
& w$ @* Q0 i, v( r
7 E9 [7 A; q- O9 v. e# r) s+ w! p) O$ _4 {
+ z/ O! n2 H0 I) s& Q0 M: e7 j* p d4 j7 U
& y( t% V" W/ k' F6 v- `6 {资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见
4 W' t1 }6 t, j& j6 g, h# a" B& G7 q9 C [
4 O; X2 W- g O9 G& G
! E2 G- Y8 _7 j2 F& B0 w) g本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2022-7-3 11:15:03
