論文精講+代碼詳解+代碼實(shí)操

囊括NLP/CV領(lǐng)域歷年經(jīng)典、前沿論文

對許多研究者來說，讀人工智能論文是件痛苦的事兒。

但若要知道自己所在的領(lǐng)域被研究成什么樣了，避不開要讀論文。那么應(yīng)該如何閱讀一篇人工智能相關(guān)的論文呢？

你是否經(jīng)常面臨這樣的難題：

1、頂會論文越發(fā)越多，卻不知道到底應(yīng)該選擇讀什么樣的論文來讀？

2、總是一字一句的讀，結(jié)果讀到后面就忘了前面？

3、很多論文讀下來云里霧里，抓不住重點(diǎn)，效率極其低下？

4、讀讀還行，但是要落地到實(shí)際項(xiàng)目中，卻不知道如何下手？

如果你只是盲目追求論文的數(shù)量，讀了很多卻和沒讀一樣，不搞明白論文的思路和細(xì)節(jié)，沒有抓住核心。時間浪費(fèi)了，又沒有任何收獲。

可能你會說，讀論文好難！！而且現(xiàn)在論文發(fā)表質(zhì)量參差不齊，該如何挑選？對于一些優(yōu)秀論文，又該如何尋找論文源代碼？如何剖析算法優(yōu)缺點(diǎn)？如何結(jié)合實(shí)際應(yīng)用實(shí)施？

別急，針對大家對于論文的要求，我們在經(jīng)過認(rèn)真挑選并設(shè)計后，從深度之眼推出了我們

人工智能Paper精！讀！班！

設(shè)計合理的論文精度模式，帶你跟隨我們完整進(jìn)行一篇論文的學(xué)習(xí)

Part1:6大維度統(tǒng)領(lǐng)全文

通過提綱挈領(lǐng)，大維度解讀研究背景、研究問題、假設(shè)、研究思路和方法、成果及創(chuàng)新點(diǎn)。讓我們了解論文研究的未來方向，通過了解假設(shè)條件和研究成果，講解論文的來龍去脈，讓我們對論文的整體思路和框架有所了解，讓學(xué)員對本篇論文有一個概貌性的認(rèn)識。

Part2:論文精講

我們挑選了不同領(lǐng)域內(nèi)經(jīng)典和前沿的論文進(jìn)行解讀，詳細(xì)講解算法的具體內(nèi)容，針對論文中所引用的算法是出自什么經(jīng)典算法的改進(jìn)進(jìn)行分析，同時對算法的優(yōu)缺點(diǎn)、改進(jìn)方案、論文的創(chuàng)新點(diǎn)、如何做對比論證進(jìn)行分析。

Part3:代碼詳解

對于不同領(lǐng)域，我們會選擇合適的論文配套代碼，講解代碼的結(jié)構(gòu)、運(yùn)行思路，針對論文中關(guān)鍵部分對應(yīng)的重點(diǎn)代碼段、調(diào)參優(yōu)化的一些經(jīng)驗(yàn)等，老師會直接給出代碼運(yùn)行結(jié)果圖

Part4:面試應(yīng)用指導(dǎo)

讀論文，最終的目的一定是要加以應(yīng)用，我們以導(dǎo)師自身經(jīng)驗(yàn)和企業(yè)招聘端為例，講解該論文在面試過程中，面試官可能會問到的一些問題。給予項(xiàng)目實(shí)戰(zhàn)落地一些建議。

Part5:提供完整資料

提供附件內(nèi)容包括論文原文+中文譯文+學(xué)習(xí)筆記+提供開源代碼+數(shù)據(jù)文件的數(shù)據(jù)文件，及為了讀懂這篇論文可能還需要學(xué)習(xí)的其他論文資料。

不僅如此，我們針對每篇論文的帶學(xué)節(jié)奏和同學(xué)們的閱讀節(jié)奏，設(shè)計了符合我們平時看論文習(xí)慣的節(jié)奏和模式，一周一篇，每周為一個完整的學(xué)習(xí)周，每一篇論文都對應(yīng)一位導(dǎo)師進(jìn)行精講

一周流程

Day1觀看論文導(dǎo)讀

通過觀看錄播視頻，讓我們對論文有個概貌性的認(rèn)識，讓我們對論文一周內(nèi)容有大概的安排

Day2預(yù)習(xí)論文，學(xué)習(xí)儲備知識

在研究論文之前，我們需要對論文有大概的理解，因此我們安排了一天，針對老師布置的任務(wù)去通讀論文，同時學(xué)習(xí)一些研究論文之前需要補(bǔ)充的預(yù)備知識，通過完成任務(wù)內(nèi)的自測題，對論文有基本的理解

同時，我們也會安排一場針對論文的話題討論，讓同學(xué)和老師針對論文話題進(jìn)行討論學(xué)習(xí)，發(fā)表自己的觀點(diǎn)

“

討論主題：

1、多模態(tài)情感分析的發(fā)展趨勢

2、注意力機(jī)制的應(yīng)用

3、Pytorch實(shí)現(xiàn)過程有意思的BUG

4、Python深度學(xué)習(xí)編程的技巧

5、人臉檢測/人臉識別精度和復(fù)雜度如何取舍？

”

Day3觀看精講視頻

完成前兩天的任務(wù)以后，我們會在第三天提供論文的精講視頻，通過觀看視頻，對論文中最重要的內(nèi)容進(jìn)行提取，針對模型/算法/訓(xùn)練技巧，數(shù)據(jù)集，試驗(yàn)，結(jié)果分析等，構(gòu)建講解脈絡(luò)，逐一講授分析脈絡(luò)中每一塊重要內(nèi)容，

Day4寫學(xué)習(xí)筆記

在第四天，我們會要求大家完成教學(xué)計劃內(nèi)老師布置的作業(yè)，包括閱讀論文和代碼實(shí)踐的作業(yè)，再寫一篇學(xué)習(xí)筆記，比如撰寫論文小結(jié)、代碼局部替換或優(yōu)化心得。記錄自己在學(xué)習(xí)過程中疑難的地方，溫故而知新，加深對論文的印象，提高理解深度

Day5觀看代碼講解

第五天，老師會提供視頻，把論文中內(nèi)重要的代碼全部講一遍，讓我們理解代碼的結(jié)構(gòu)，指導(dǎo)代碼的實(shí)現(xiàn)方式和調(diào)優(yōu)技巧

Day6運(yùn)行代碼

讓大家根據(jù)我們提供的資料和代碼先跑一遍，然后再根據(jù)老師的思路在此基礎(chǔ)上進(jìn)行進(jìn)一步的調(diào)優(yōu)和優(yōu)化，最終和其他同學(xué)們對比結(jié)果的差異性，互相學(xué)習(xí)進(jìn)步

Day7直播答疑

老師在直播期間，會講解一些論文相關(guān)的知識點(diǎn)，并解答同學(xué)們在學(xué)習(xí)本篇論文中出現(xiàn)的問題，包括自己在學(xué)習(xí)過程中當(dāng)時沒有注意到的點(diǎn)，大家可以在直播當(dāng)天和老師現(xiàn)場互動

不僅如此，針對問題我們設(shè)計了三種維度的答疑

1、導(dǎo)師接受1對1提問，12小時之內(nèi)保證解決問題

2、每月統(tǒng)一收集問題直播答疑，系統(tǒng)講解重難點(diǎn)

3、微信群助教及時互動，群友互答

論文有哪些？

我們講論文以CV和NLP兩個領(lǐng)域進(jìn)行了詳細(xì)的分類，在選擇具有整體/宏觀性、經(jīng)典性、基石性paper的同時，還選用了前沿性和熱門且有效方法的paper。首先是兩個方向都需要學(xué)習(xí)的一篇經(jīng)典論文

統(tǒng)領(lǐng)篇

《Deep Learning》

由剛獲得圖靈獎的Yann LeCun, Yoshua Bengio 和 Geoffrey Hinton 三位人工智能大師在Nature上發(fā)表的深度學(xué)習(xí)綜述。系統(tǒng)性地講述了深度學(xué)習(xí)的特點(diǎn)和優(yōu)勢，列舉了計算機(jī)視覺CV、自然語言處理NLP、強(qiáng)化學(xué)習(xí)RL的相關(guān)研究。

CV方向

經(jīng)典篇：《ImageNet Classification with Deep Convolutional Neural Network》（AlexNet）

跟隨近幾年卷積神經(jīng)網(wǎng)絡(luò)CNN的快速發(fā)展和應(yīng)用，我們選取了由Krizhevsky和 Geoffrey Hinton 在2012年的開山之作，他曾用名為AlexNet的網(wǎng)絡(luò)結(jié)構(gòu)的CNN取得了當(dāng)時ImageNet比賽冠軍

經(jīng)典篇：《Very Deep Convolutional Networks for Large-Scale Image Recognition》（VGG）

選用了在2014年ILSVRC競賽取得亞軍的VGG網(wǎng)絡(luò)，雖然當(dāng)時競賽的第一名是GoogLeNet，但是VGG模型在多個遷移學(xué)習(xí)任務(wù)中的表現(xiàn)要優(yōu)于googLeNet。熟悉AlexNet與VGG后學(xué)員再研讀后續(xù)的ResNet、DenseNet等變型網(wǎng)絡(luò)結(jié)構(gòu)的論文能更好的融會貫通。

前沿篇：《Region-Based Convolutional Networks for Accurate Object Detection and Segmentation》

隨著CV領(lǐng)域目標(biāo)檢測方向，在近幾年迅猛的發(fā)展，在自動駕駛、安防、人臉檢測都有著廣泛的應(yīng)用。而目標(biāo)檢測的演化路線主要有兩級式模型和單級式模型。兩級式如RCNN，Fast-RCNN，Faster-RCNN，Mask-RCNN等，單級式如SSD

我們首先選取了卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于目標(biāo)檢測領(lǐng)域的開山之作RCNN，為學(xué)員再去研究、理解和應(yīng)用其后續(xù)演化變型結(jié)構(gòu)如Fast-RCNN，Faster-RCNN，Mask-RCNN等就有了堅(jiān)實(shí)的基礎(chǔ)。

前沿篇：《SSD: Single Shot MultiBox Detector 》

是Liu W , Anguelov D , Erhan D等人在2016年的European Conference on Computer Vision上發(fā)表的文章，該模型在不同的數(shù)據(jù)集上，如 PASCAL VOC、MS COCO、ILSVRC，都進(jìn)行了測試。在檢測時間、檢測精度上，達(dá)到了state-of-art 的水平。

除此以外，我們還挑選了針對人臉相關(guān)的應(yīng)用：人臉檢測，人臉關(guān)鍵點(diǎn)預(yù)測，人臉比對，人臉識別，屬性識別等等方向的論文

前沿篇：A Discriminative Feature Learning Approach for Deep Face Recognition(center loss)?

前沿篇：Facenet: A unified embedding for face recognition and clustering（triplet loss）

NLP方向

我們抽取了三篇論文講述詞向量的發(fā)展，一脈相承，從經(jīng)典到前沿。

經(jīng)典篇：《Efficient Estimation of Word Representations in Vector Space》?

word2vec是將詞匯向量化，這樣我們就可以進(jìn)行定量的分析，分析詞與詞之間的關(guān)系，這是one-hot encoding做不到的。Google的Tomas Mikolov 在2013年發(fā)表的這篇論文給自然語言處理領(lǐng)域帶來了新的巨大變革，提出的兩個模型CBOW (Continuous Bag-of-Words Model)和Skip-gram (Continuous Skip-gram Model)，創(chuàng)造性的用預(yù)測的方式解決自然語言處理的問題，而不是傳統(tǒng)的詞頻的方法。奠定了后續(xù)NLP處理的基石。并將NLP的研究熱度推升到了一個新的高度。?

經(jīng)典篇：《Neural Machine Translation by Jointly Learning to Align and Translate》????

Attention機(jī)制最初由圖像處理領(lǐng)域提出，后來被引入到NLP領(lǐng)域用于解決機(jī)器翻譯的問題，使得機(jī)器翻譯的效果得到了顯著的提升。attention是近幾年NLP領(lǐng)域最重要的亮點(diǎn)之一，后續(xù)的Transformer和Bert都是基于attention機(jī)制。

經(jīng)典篇：《Transformer: attention is all you need》?

這是谷歌與多倫多大學(xué)等高校合作發(fā)表的論文，提出了一種新的網(wǎng)絡(luò)框架Transformer，是一種新的編碼解碼器，與LSTM地位相當(dāng)。

Transformer是完全基于注意力機(jī)制（attention mechanism)的網(wǎng)絡(luò)框架，使得機(jī)器翻譯的效果進(jìn)一步提升，為Bert的提出奠定了基礎(chǔ)。該論文2017年發(fā)表后引用已經(jīng)達(dá)到1280，GitHub上面第三方復(fù)現(xiàn)的star2300余次。可以說是近年NLP界最有影響力的工作，NLP研究人員必看！

前沿篇：《A Convolutional Neural Network for Modelling Sentences》

前沿篇：《fasttext：Bag of Tricks for Efficient Text Classification》

第一篇論文將CNN引入NLP來進(jìn)行文本分類，巧妙地設(shè)計了filter的結(jié)構(gòu)，將n-gram的思想用于NLP，很巧妙。第二篇的思想比較簡單，效果很好，效率很高。

前沿篇：《Siamese recurrent architectures for learning sentence similarity》

該篇論文僅僅是Siamese network的一個使用場景。在Kaggle question pair match和國內(nèi)的很多NLP比賽中，比賽的冠軍們無一不使用siamese network，該網(wǎng)絡(luò)模型在圖像、語音等領(lǐng)域也有廣泛的應(yīng)用，是非常實(shí)用的模型。

從事深度學(xué)習(xí)自然語言處理的人，能通過這6篇Paper的授課、精讀、代碼詳解和代碼實(shí)操，奠定堅(jiān)實(shí)的研究基礎(chǔ)。

學(xué)完以后，我可以保證你至少能收獲

1?獲得正確的閱讀Paper的方法

2 獲得深度學(xué)習(xí)領(lǐng)域的研究概貌和前沿知識；

3 洞悉優(yōu)秀的論文研究團(tuán)隊(duì)的研究方法、思路；

4 細(xì)化吸收配套代碼，快速借鑒用于自己的科研上。

5?完成0-1的構(gòu)建，舉一反三，自主可以高效閱讀和復(fù)現(xiàn)更多的論文

不僅如此，你還能收獲

1、贈送價值1198元為期一年1對1咨詢服務(wù)，11位重量級人工智能大咖坐鎮(zhèn)，全方位解決你的學(xué)習(xí)困惑

2、每周五熱門話題討論，400+學(xué)員的集體頭腦風(fēng)暴，資源、干貨、觀點(diǎn)一起碰撞

4、超過15家知名互聯(lián)網(wǎng)企業(yè)的內(nèi)推合作

帶學(xué)導(dǎo)師團(tuán)

為保證每位學(xué)生得到更好的指導(dǎo)，我們每個班級人數(shù)不超過100人。老師將在群里及時和大家答疑互動。

為期7周

現(xiàn)在加入，僅需298元！CV方向論文班

（如果你想兩個打包售賣，我們可以優(yōu)惠~詳情咨詢客服）

NLP方向論文班

報名時間：2019年5月22日—2019年6月3日

支持支付寶花唄分期付款，信用卡分期付款。我們可以幫你付利息！

學(xué)習(xí)不在于花銷多少，而在于你的收獲一定要大于付出！

年輕最有效的資本是時間，讓我們帶你更有效的學(xué)習(xí)，幫你節(jié)約你自己盲目摸索的時間。讓你賺取更多的價值！

我們其他訓(xùn)練營的學(xué)習(xí)氛圍

在我們的學(xué)習(xí)群里，你不僅能接觸到更多嚴(yán)格要求自己的人，還能讓你的學(xué)習(xí)效果在深度交流中實(shí)現(xiàn)最大化！

如果你還在猶豫，不如看看有多少位學(xué)生已經(jīng)加入學(xué)習(xí)了

報名情況

1、超過1.9w+學(xué)員已加入訓(xùn)練營

2、累積打卡總195683+次

為了鼓勵學(xué)生堅(jiān)持學(xué)習(xí)，按要求完成作業(yè)，我們將贈送你如下福利！！打卡全勤將全額返現(xiàn)！不花一分錢，學(xué)完整門課！

截止目前我們已累積返現(xiàn)8萬余元，還在不斷累積

（訓(xùn)練營采取的積分機(jī)制，打卡、點(diǎn)評、點(diǎn)贊都會有得到相應(yīng)的積分，憑積分就可以換取相應(yīng)獎品！）

此外，積極參加社群活動，還有機(jī)會獲得【深度之眼】的精美周邊產(chǎn)品

學(xué)員曾給我們的反饋

我們的模式在往期訓(xùn)練營里做到了零吐槽！零差評！

而我們，還在不斷的更新迭代

睜開眼，陽光和你都在～

可上下滑動，查看部分學(xué)員評價

現(xiàn)在加入，僅需298元！

CV方向論文班

（不同方向所帶讀的論文內(nèi)容不同，請大家按照自己研究領(lǐng)域選擇）

NLP方向論文班

（不同方向所帶讀的論文內(nèi)容不同，請大家按照自己研究領(lǐng)域選擇）

報名時間：2019年5月22日—2019年6月3日

添加班主任送你免費(fèi)《Python 基礎(chǔ)訓(xùn)練營》

備注：如有任何問題，也請?zhí)砑影嘀魅挝⑿抛稍?/span>

開啟你的升級之旅

除此以外，我們還有會員專享的十七大訓(xùn)練營，通過系統(tǒng)的課程體系讓你從入門進(jìn)階到企業(yè)實(shí)戰(zhàn)

購買VIP需添加班主任微信拉群哦！

支持花唄/信用卡分期，我們幫你付全部利息！

訂閱須知

Q：課程資料在哪里看？

A：所有的課程資料均會在訓(xùn)練營內(nèi)上傳，報名以后請務(wù)必添加客服微信入群！

Q：視頻可以電腦看嗎？

A：課程視頻支持PC端倍速播放。

Q：報名后可以退款嗎？

A：本服務(wù)為虛擬內(nèi)容產(chǎn)品，一經(jīng)購買，概不退款，敬請諒解。

Q：可以開具發(fā)票嗎？

A：可以開具普通發(fā)票，請聯(lián)系微信班主任填寫需要的信息即可。

名企合作

講師招募

深度之眼首創(chuàng)訓(xùn)練營模式，在不到一年時間已有1.8萬名付費(fèi)學(xué)員，我們長期招募兼職講師，以在線工作為主，分成收入佳。

只要您在一下方面有某一專長：

1、 精讀過《深度學(xué)習(xí)》花書、李航《統(tǒng)計學(xué)習(xí)方法》、《機(jī)器學(xué)習(xí)》西瓜書等AI類知名書籍，可以開設(shè)以此書籍為教材的帶讀班。

2、系統(tǒng)學(xué)過李宏毅的《機(jī)器學(xué)習(xí)》《深度學(xué)習(xí)》、李飛飛《計算機(jī)視覺課》或是國外名校的知名公開課，可以開設(shè)以此課程為教材的帶學(xué)班。

3、打過Kaggle、天池、AI challenger、科賽網(wǎng)、DC等競賽，并取得過前5的成績，可帶競賽班

4、如果你自己曾經(jīng)讀過AI類的經(jīng)典或者前沿論文，并且對論文做過深入的分析和研究，可作為我們的paper精讀班老師

5、如果你在企業(yè)里面，有參加過實(shí)際的企業(yè)項(xiàng)目，可以作為我們AI企業(yè)項(xiàng)目實(shí)戰(zhàn)班

我們不需要你全能，只要你在某一個方面特別擅長，即可擔(dān)任我們的帶學(xué)導(dǎo)師。

歡迎大家掃客服微信聯(lián)系我們！

總結(jié)

以上是生活随笔為你收集整理的震撼来袭 | 人工智能Paper精读班，视频讲解+代码实现（还剩28个名额）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。