• 投稿

fast.ai 2019 课程（人工中文翻译进行中）

1.4万
26
2019-01-29 23:21:24
204
105
940
37
转载自 https://course.fast.ai/videos/ 深度碎片的翻译，在字幕CC：中文（简体）选项中查看 （已完成第3-4课） 深度碎片字幕会在fastai官方版（中文字幕选项）持续更新， 见https://course.fast.ai/videos/ Youtube英中机翻译字幕，在字幕CC：中文（中国）选项中查看，感谢@枫颜风予，上传分享 第三课已完结，第四课进行中， 第一二课最后翻译 欢迎大家来fastai论坛玩，https://forums.fast.ai/
深度学习
fast.ai
深度碎片 发消息
As Simple As Possible
视频选集
（1/108）
原视频 Lesson 1 - Deep Learning 2019 - Image classification
01:40:12
Lesson 2 - Deep Learning 2019 - Data cleaning and production; SGD from scratch-c
01:58:48
Lesson 3 - Deep Learning 2019 - Data blocks; Multi-label classification; Segment
02:04:54
Lesson 4 - Deep Learning 2019 - NLP; Tabular data; Collaborative filtering; Embe
01:43:39
Lesson 5 - Deep Learning 2019 - Back propagation; Accelerated SGD; Neural net fr
02:13:34
Lesson 6 - Deep Learning 2019 - Regularization; Convolutions; Data ethics-hkBa9p
02:17:43
Lesson 7 - Deep Learning 2019 - Resnets from scratch; U-net; Generative (adversa
02:12:07
1.01 从零开始的深度学习需要什么
02:45
1.02 为什么用jupyter以及应该如何使用视频课程
01:47
1.03 为什么这是我见过的最好深度学习课程
08:04
1.04 真正的coder会用快捷键
00:54
1.05 人人必用的notebook magics
00:45
1.06 为什么要用pytorch与fastai
01:52
1.07 不要纠结import的使用方式
02:13
1.08 学术与kaggle数据集以及难点所在
03:17
1.09 如何下载数据集
02:49
1.10 如何快速查看下载文件夹中内容以及生成独立路径
01:11
1.11 如何从图片名称中提取标注
03:00
1.12 如何将数据集打包成训练验证测试集
04:12
1.13 如何展示一个batch中的图片以及图片经历怎样的处理
01:30
1.14 什么是和为什么要做normalization
01:16
1.15 如何最大化GPU效果
00:38
1.16 如何查看数据以及为什么这很重要
00:39
1.17 如何查看标记以及data.c的重要性
01:07
1.18 如何创建一个ConvNet
02:22
1.19 ResNet模型ImageNet数据与迁移学习
02:49
1.20 什么是过拟合以及如何规避
01:40
1.21 如何用onecycle训练模型以及函数细节快捷键tab shift tab
02:22
1.22 对比2012年学术界的顶级水平
02:14
1.23 关于应该如何学习此课的宝贵经验教训
01:59
1.24 fastai library的成就与目标
00:49
1.25 fastai是最易用最强大深度学习库
03:08
1.26 fast.ai课程成就你我以及如何使用论坛
13:27
1.27 为什么选择ResNet而非Inception
02:02
1.28 如何训练与保存更新的参数
00:50
1.29 如何构建模型解读器并画出高自信但出错的图
02:01
1.30 如何快捷查阅fastai文档源码
02:21
1.31 解读器生成confusion matrix和most confused
01:53
1.32 finetune 很棒但要更厉害需要unfreeze并更新全部参数
01:35
1.33 为什么重新更新全部参数is bad
06:44
1.34 通过选择更有学习率来更新全参数
04:28
1.35 Resnet50模型太大GPU内存小时怎么处理
02:37
1.36 通过most confused看看模型实际改进效果
01:31
1.37 本周作业
00:39
1.38 databunch处理文件夹名称就是数据的标注
01:41
1.39 databunch处理数据标注存储在CSV中
00:51
1.40 databunch处理数据标注存储复杂文件名中
01:13
1.41 docs就是jupyter notebooks
02:25
1.42 问答-多GPU设置与MRI图片
00:44
1.43 多用多玩多问
02:03
2.01 最重要的论坛页面以及论坛生存秘技
03:21
2.02 如何用github更新fastai课程到本地
01:02
2.03 仅用一周所学可以创造的超酷项目有哪些
08:19
2.04 part1课程结构
01:31
2.05 fast.ai的教学哲学观
02:25
2.06 项目任务介绍-训练一个小熊分辨器
01:53
2.07 如何创建自己的图片数据集
05:45
2.08 如何将数据集整理成ImageDataBuch
03:10
2.09 fastai标准的训练流程长什么样子
02:53
2.10 如何用confusion matrix解读模型好坏
00:29
2.11 如何半自动化从验证数据集中清理错误数据
07:44
2.12 避免biased noise
00:54
2.13 如何将训练好的模型升级为web app
07:24
2.14 如何调试学习率和训练次数来改良模型效果
07:37
2.15 如何用数字来理解图片
01:14
2.16 如何用函数来理解深度学习以及argmax的用途
02:12
2.17 如何查询源码了解metrics的设计
02:40
2.18 如何“闭眼”调试学习率
02:05
2.19 如何知道我们需要更多数据？
01:39
2.20 如何创建一个未训练的CNN resnet模型
02:41
2.21 如何理解模型的函数性质与vectorization
08:15
2.22 如何手动训练线性函数模型和SGD
31:25
2.23 如何制作作图动画
01:59
2.24 解释深度学习中的常用词汇
04:19
2.25 数学是全人类的天性
01:43
2.26 过拟合与regularization
04:45
3.01 吴恩达课程fastai.ML课程
01:39
3.02 Zeit与大量学生项目分享
07:55
3.03 如何下载Kaggle数据集
05:35
3.04 如何将多标注图片转化为DataBunch
03:42
3.05 转化成DataBunch所需代码步骤
11:46
3.06 如何对图片做变形处理data augmentation
03:02
3.07 一图多标签预测accuracy_thresh, partial, f_beta
09:10
3.08 如何做finetuning尤其是有了纠正数据的情况下
02:02
3.09 如何进一步理解data block的工作流程
03:41
3.10 如何截取视频中的frames
01:00
3.11 如何精选学习率
01:57
3.12 如何借助迁移学习将模型改进到kaggle前30
06:02
3.13 介绍Camvid 数据集
03:58
3.14 总结学习率的经验选择法
02:42
3.15 如何下载查阅camvid数据集中的图片和标注
02:54
3.16 如何将camvid数据整理成DataBunch并show_batch
03:15
3.18 是否可用无监督学习来做segmentation
00:54
3.19 是否应该尝试用更小规格的图片来做验证
01:47
3.20 如何设计合适Camvid数据集的accuracy
02:31
3.21 遇到持续的训练损失值大于验证损失值时，该如何处理
01:22
3.22 为什么用Unet建模以及到底什么是one-cycle-learning
04:13
3.23 one-cycle-learning的奥妙以及如何精炼模型
12:07
3.24 如何通过降低计算精度来提升模型泛化能力
03:05
3.25 如何对BIWI（人脸中心坐标）数据集做线性回归模型
07:17
3.26 如何用IMDB数据集训练NLP模型
05:44
3.27 为什么使用ImageNet.stats训练模型
01:53
3.28 非线性激活函数的意义与深度学习理论
08:07
3.29 如何学习像san fransisco 这样的token 如何训练2或4个channel的图片数据
04:43
3.30 总结
03:35
4.01 lesson4 简介
01:01
4.02 fastai模型打破CamVid数据记录
01:05
4.03 NLP迁移学习是怎么实现的
13:15

献给所有认为数学和深度学习很重要，但认为自己“不擅长数学”的人！
深度碎片
2.3万 20

Santa Fe Institute 复杂系统公开课Complexity: An introduction
深度碎片
2.1万 34

图解CNN论文：尝试用最少的数学读懂深度学习论文
深度碎片
4.6万 54

人人必备的数学思维Mathematical thinking by Stanford University and Coursera
深度碎片
2.9万 45

图解机器学习的数学直觉：线性代数，微积分，PCA（全完结）
深度碎片
11.5万 292

吴恩达第五课RNN笔记
深度碎片
3.2万 127

Mathematics for Machine Learning (Coursera, Imperial college of London 完整版)
深度碎片
4.4万 103

吴恩达机器学习图解笔记
深度碎片
9.8万 285

探索一句话版的机器学习与深度学习
深度碎片
1.2万 10

哈佛通识概率普及课（特别推荐）Fat Chance: Probability from the Ground Up by Harvard and Edx
深度碎片
1.2万 28

图解吴恩达机器学习（2019直觉版）持续更新
深度碎片
1.2万 6

概率机器学习基础：MIT概率课图解笔记
深度碎片
1.8万 8

图解教材: 模式识别与机器学习（Bishop)
深度碎片
2.0万 12

图解教材:概率机器学习（Murphy)
深度碎片
1.3万 2

fuzzySearch_bgar
深度碎片
224 0

006_d790a54b
深度碎片
133 0

006_7ec8c787
深度碎片
47 0

哈佛大学最受欢迎的统计课Harvard Statistics 110 introduction
深度碎片
1.6万 1

fuzzy_search_journey
深度碎片
233 0

003_a083fca3
深度碎片
32 0
展开
参与活动赢取莲华温泉 不朽厄悲琉斯
客服
顶部
赛事库 课堂 2021拜年纪