|
|
课程介绍
' t4 g) ~* Z8 Q8 j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。
8 d5 e4 S) w7 D. L6 }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。" W. ?' e8 p8 Y" l& w, \' E
涵盖一下内容：* c7 ]3 k; m/ L; M
1）从有监督到无监督，涵盖多种场景下的迁移学习
) K+ L5 b b2 d2）多领域迁移学习一次全通
% |, B6 d2 R: G" h! D8 R3）基于数据案例，透彻理解迁移学习实现方法和注意点7 B/ P) C. q; ]3 u' x
4）结合真实工业届实战项目讲解2 m8 i( u. _& X Z. p" T
9 _4 `4 q+ S& i0 N/ }9 z( r
. a. R6 F3 ^/ F1 `, K* c, c1 C课程目录
: l( M8 u4 V6 C: I: X/ ~ t
' o# o/ ]0 w& ^2 \* X) e+ e第1课 迁移学习详解( a/ S- S: L/ m7 \" M2 t4 B
知识点1：有监督到有监督：Fine-tune, 多任务学习3 L: m) K' J7 T" I
知识点2：有监督到无监督：域对抗训练, Zero-shot learning9 `' o* `) e8 G9 ]+ H
知识点3：无监督相关迁移学习：Self-taught learning
g8 Z3 e5 Q$ S5 J3 Y2 D5 K
" b H. ]4 u5 i, e7 c! c- b第2课 迁移学习实战
( s9 n2 Q+ j* v0 i( a. d+ b1 x 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
6 S0 J( V5 q. C 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
& |8 b* ]1 _. w- F2 Y) 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)
1 U9 u0 A) h+ G# ]9 z7 H8 {3 V3 S' S5 d! p9 ], N7 y
' z) R$ f4 ~% j: Y9 Y: \. N! p s4 T
/ W6 t% ~+ A7 T" B% @- ^
$ Q [/ H5 m4 S; {, S+ N( T+ \
7 H) b) q& C! q2 ]
$ m; l, w4 |, q
. @% K; k% ^9 C0 C) q8 J资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见8 {1 h. \/ m B5 y2 r
6 ~ t2 j0 ^/ L0 w' r! @; o! D4 @4 O
# w" [5 i# T. b+ s" O7 Z6 W/ O/ G; F+ G) E
本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2022-7-3 11:15:03
