猿桌会 面向 AI 带你看各路大神的重磅分享 2018 公开课盘点应用篇 开发者

雷锋网 AI 科技评论按：2018 年，AI 研习社又为大家呈上了一系列公开课，AI 研习社的粉丝们也再度与我们相伴走过了一年。作为一个针对 AI 开发者的公开课类目，「猿桌会」自去年推出以来广受各位的喜爱，在今年雷锋网 AI 研习社依旧以最饱满的诚意为大家邀请了领域内的各路大神进行分享，具体内容涵盖深度学习开源框架、神经网络调参和优化、开发语言使用技巧、开源工具使用心得、人工智能/数据竞赛经验、 行业最新成果等，持续关注我们公开课的粉丝们想必也从他们身上得到了不少收获。下面，小编挑选出了「猿桌会」最热门的 TOP 10 公开课，与大家一起回顾一下~

CS 硕士王煦中：CS231n 课后作业第二讲 : Assignment 2

内容简介： CS231n 是斯坦福大学开设的计算机视觉与深度学习的入门课程，授课内容在国内外颇受好评。但是只听课不做作业效果是要折半的，对此，雷锋网 AI 研习社专门请来了一位技术大牛（知乎专栏喵神大人的深度工坊作者、CS 硕士王煦中）来公开课上为大家来讲解这门课的配套作业，共3 个 Assignment，而本堂公开课主要介绍 Assignment 2（含代码实现），包括 Fully-connected Neural Network、Batch Normalization、Dropout、Convolutional Networks 以及 TensorFlow on CIFAR-10 五大部分。本堂课干货满满，受到了 AI 研习社粉丝们的欢迎，成为 2018 年度观看量最高的「猿桌会」公开课。作业链接：

孔晓泉：自然语言处理（NLP）应用和前沿技术回顾

内容简介： 伴随着近几年的机器学习的热潮，自然语言处理成为了目前炙手可热的研究方向，同时也是 Google、Microsoft、Facebook、Baidu、Alibaba 等各大公司投入巨额资金和高端人力努力争夺的下一个互联网流量入口（智能助手、智能音箱等）。针对这一选题，AI 研习社邀请了从事然语言处理（NLP）领域多年，拥有丰富实践应用经验的孔晓泉为大家带来分享。公开课中，孔晓泉介绍了自然语言处理技术的一些基本知识、行业的发展现状和基于深度学习的通用的 NLP 处理流程，以期帮助想要学习和从事 NLP 的学生、工程师以及爱好者建立一个基本的 NLP 的知识框架，熟悉基础的技术方案，并了解通用的深度学习处理流程。

新加坡国立大学霍华德：有意思的自然语言处理

内容简介： 不少刚入门人工智能的同学，一入门就被大量的公式吓到了，望而却步，转而放弃。人工智能并非那么枯燥，它本身很有意思。兴趣是学习最好的老师，来自新加坡国立大学电子及计算机工程系的霍华德博士带来的这个分享就是希望给大家展示自然语言处理（NLP）中有趣的一面，内容比较适合想入门人工智能和自然语言处理的同学。值得一提的是，霍华德博士本人的求学经历非常传奇，在本科，硕士，博士阶段分别读了三个不同的专业，现在腾讯就职。本次分享不仅轻松有趣，还为大家带来了一箩筐的干货，成为 2018 年度排名前几的「猿桌会」公开课。

北京邮电大学张庆恒：基于 rasa 搭建中文对话系统

内容简介： 对话系统是自然语言处理的一个热门话题，而自然语言理解则是对话系统的关键组成部分，现有的很多自然语言理解工具往往以服务的方式获取（Google 的API.ai，Facebook 的 Wit.ai 等），使用这些服务往往需要向服务提供商提供自己的数据，并且根据自己业务调试模型很不方便。针对这一问题，AI 研习社邀请到了北京邮电大学网络技术研究院、网络与交换技术国家重点实验室硕士张庆恒为大家答疑解惑。本次公开课，讲者重点分享了自己基于 rasa nlu 构建自己的自然语言理解工具，并结合 rasa core 搭建对话系统框架的一些经验，方便初学者入门，加深对对话系统的理解。张庆恒曾在百度实习且多次参加机器学习、深度学习比赛，并获阿里云安全算法挑战赛获冠军，同时也是中文标注开源项目 Chinese-Annotator 主要开发成员，拥有丰富的实战经验。

竹间智能翁嘉颀：人机交互技术探索

内容简介： 随着语音识别 ASR 的进步，对话机器人从简单的指令式的语音助手，进化到关键词交互方式，人们能够使用较为完整的句子来表达意图，机器人从中截取关键词判断用户意图。现阶段利用 NLP 、NLU 技术，以及机器学习方式，慢慢脱离关键词的束缚，可以更聪明的去理解用户意图以做出正确的回应。然而，再下一步的对话机器人是否能脱离一问一答的回应方式？机器人是否能主动地跟人产生互动？没有情绪情感的机器人真的算是智能机器人吗？情绪情感又有哪些可能的应用？对于这些问题，AI 研习社邀请到了人工智能创业公司竹间智能的 CTO 翁嘉颀为大家带来分享。公开课中，他的分享内容包括情感计算、意图、主题、上下文、中文 NLP 应用、多轮对话、算法与数据的关系，其中重点阐述了相关技术的应用以及怎样解决当前面临的问题。

南洋理工大学顾玖强：从 NLP 到 CV+NLP：计算机视觉和自然语言处理结合介绍

内容简介： 自然语言处理帮助人们研究如何使得机器「说」和「读」，而目前很火的计算机视觉则研究如何使机器「看」。当「看」和「说」结合起来，会产生怎样有趣的应用呢？AI 研习社邀请到了新加坡南洋理工大学博士顾玖强来为大家分享当二者结合起来所带来的有趣应用。顾玖强博士精通算法，软硬兼修，目前主要研究方向是计算机视觉和自然语言处理结合，讲课风格深入浅出通俗易懂，有独家学习和转行经验。在这堂公开课中，他不仅介绍了目前自然语言处理的发展进程，还和大家探讨自然语言处理和计算机视觉结合的问题，让大家对自然语言的发展方向有更广阔的认识。无论对自然语言处理还是计算机视觉的从业者，学科的交叉总会给我们带来很多意想不到的有趣应用，感兴趣的同学赶紧视频看起来！

叶志豪：介绍强化学习及其在 NLP 上的应用

内容简介： 当 AlphaGO 横扫之后，越来越多的学者意识到强化学习在人工智能领域所扮演的重要角色。同时随着深度学习的发展，应用深度学习，很多自然语言的传统难题得到突破。引用 David Silver 的一句话来对深度学习、强化学习以及人工智能之间的关系进行描述，就是：深度学习（DL）+ 强化学习（RL） = 人工智能（AI）。而在实际应用上，当深度学习与强化学习碰撞时又会擦除怎样的火花呢？AI 研习社的公开课上，广东工业大学叶志豪就探讨了深度学习和强化学习两大利器如何结合并应用于 NLP 中的文本生成和对话任务中，想必观看过直播的小伙伴们都收获不少吧。

IBM 高级研发工程师武维：深度学习中的分布式训练

内容简介： 在数据集上训练的深度学习模型在计算机视觉、语音识别、自然语言处理方面取得了显著的效果，但是这些模型的训练过程非常耗时。尽管 GPU 的硬件技术不断发展以及网络模型结构不断取得突破，但是对大模型或大数据集，单设备训练耗时过久的问题仍存在。IBM 系统部研发工程师武维博士受 AI 研习社邀请，针对这些问题给大家分享了自己在深度学习分布式训练中的实践经验。武维博士曾就职于华为大数据产品部及 IBM 中国研究院，担任系统工程师/研究员；同时也是西安交通大学系统工程博士，目前主要研发方向为深度学习中的分布式训练框架与模型，相信这位拥有丰富的研究和实践应用经验的讲者能为大家带来获益匪浅的收获。

前百度、阿里资深算法工程师王奇文：「Deep Learning」读书分享(十二)（十三）

内容简介 「Deep Learning」这本书是机器学习领域的重磅书籍，三位作者分别是机器学习界名人、GAN的提出者、谷歌大脑研究科学家 Ian Goodfellow，神经网络领域创始三位创始人之一的蒙特利尔大学教授 Yoshua Bengio（也是 Ian Goodfellow的老师）、同在蒙特利尔大学的神经网络与数据挖掘教授 Aaron Courville。只看作者阵容就知道这本书肯定能够从深度学习的基础知识和原理一直讲到最新的方法，而且在技术的应用方面也有许多具体介绍。这本书面向的对象也不仅是学习相关专业的高校学生，还能够为研究人员和业界的技术人员提供稳妥的指导意见、提供解决问题的新鲜思路。面对着这样一本内容精彩的好书，不管你有没有入手开始阅读，AI 研习社都希望借此给大家提供一个共同讨论、共同提高的机会，因此我们邀请到了多位机器学习方面优秀、热心的分享人参与这本书的系列分享。其中王奇文的这次分享再次受到大家的热烈欢迎，也是 2018 年度排名前几的「猿桌会」公开课。

丁志新：人工智能知识产权保护

内容简介： 在中美贸易摩擦背景下，知识产权问题成了各方关注的焦点。人工智能的技术领域覆盖甚广，相关的企业、高校研究机构、个人如何进行知识产权保护？尤其是算法、软件编程、大数据、应用领域等等如何得到保护？我国又对职务发明人有哪些优惠政策，法律风险又有哪些？在人工智能领域投资人的机会在哪里？针对这些问题，AI 研习社邀请到了深圳市世纪恒程知识产权代理事务所副总经理、咨询部部长丁志新老师来公开课上为大家普及相关知识。拥有首批全国专利信息实务人才、专利代理人、广东知识产权保护协会专家库专家、深圳市知识产权专家库专家等诸多荣誉称号的丁志新老师结合其十余年的知识产权从业经验，分享解答人工智能的各类知识产权相关问题，包括人工智能对知识产权带来的挑战和机遇、人工智能相关的企业应如果开展知识产权工作、知识产权风险防控与应急机制以及投融资活动中如何防范风险并找准商业机会等。

以上公开课小编都按直播观看人数进行了排序（从多到少），大家如果没时间一一观看学习，不妨相信一下 AI 研习社各位粉丝们的共同眼光，选择最热门的公开课进行回看吧~

次感谢大家对 AI 研习社的支持！

原创文章，未经授权禁止转载。详情见 转载须知 。

上一篇：真正让Arm感到紧张的原因为什么是RISC真正

下一篇：竹间智能翁嘉颀人机交互技术探索竹间智能ce