吴恩达Deeplearning.ai国庆节上新:生成对抗网络(GAN)专项课程

百家 作者:机器之心 2020-10-01 15:26:06 阅读:223

机器之心报道

作者:蛋酱

Coursera 刚刚上新了 GAN 的专项课程,或许在这个国庆假期,你应该学习一波了。


生成对抗网络(Generative Adversarial Network,GAN)是当前功能最强大的机器学习模型之一,其能够生成逼真的图像、视频和语音输出结果。基于 GAN 的应用十分广泛,比如防御对抗攻击和数据匿名化来保护隐私,以提升网络安全性,再比如生成新图像,为黑白图像着色、提高图像分辨率、2D 图像转 3D 等技术。

随着算力的增强,GAN 的普及程度和功能也不断提升,开启了许多新的方向:比如生成大量数据用来训练模型,让无监督模型生成更加清晰、准确的输出图像,同时也为相近研究领域提供了对抗学习、对抗样本、模型鲁棒性等方面的启示。

近日,DeepLearning.AI 推出了《生成对抗网络(GAN)专项课程》,系统介绍了使用 GAN 生成图像的理论及方法。此外还包括机器学习偏见、隐私保护等社会影响话题的讨论。


这门课程适用于对机器学习感兴趣并希望了解 GAN 的工作原理的软件工程师、学生和研究者。专项课程内容尽可能做到通俗易懂,让进入课程的人都真正理解 GAN 并学会使用。

但在进入这门课程之前,学习者应该具备关于深度学习、卷积神经网络的知识,具备一定的 Python 技能和深度学习框架(TensorFlow、Keras、PyTorch)的使用经验,且精通微积分、线性代数、统计学。

课程内容

本次专项课程总共分为三节:

课程 1:Build Basic Generative Adversarial Networks (GANs)

这一节的内容包括 GAN 的基本知识、使用 PyTorch 构建最基本的 GAN 模型,以及使用卷基层构建 DCGAN 来处理图像、使用损失函数解决梯度消失问题,并学习如何控制 GAN 和构建有条件 GAN。

课程 2:Build Better Generative Adversarial Networks (GANs)

这一节将介绍 GAN 模型现存的挑战,通过对比不同的生成模型,使用 Fréchet Inception Distance(FID)来评估 GAN 的保真度和多样性,辨别偏见的来源、在 GAN 中检测偏见的方法,以及学习 StyleGAN 的相关技术。

课程 3:Apply Generative Adversarial Networks (GANs)

这一节将学习如何使用 GAN 进行数据增强和隐私保护,并熟悉 GAN 的更多应用类型,以及构建 Pix2Pix、CycleGAN 以实现图像转换功能。

讲师介绍


这门课程的授课讲师是吴恩达的博士生 Sharon Zhou,她的研究领域涵盖医学、气候和更广泛的社会公益领域。Sharon Zhou2015 年毕业于哈佛大学,获得古典文学和计算机科学联合学位,并在谷歌等多家公司担任机器学习方面的产品经理职位。

与其他专项课程一样,这门课程也包括实践项目,需要完成一些项目才能结束专项课程并获得证书。如果专项课程中包括单独的实践项目课程,则需要在开始之前完成其他所有课程。只想阅读和查看课程内容的话,该课程提供免费旁听的机会。


如何根据任务需求搭配恰当类型的数据库?

在AWS推出的白皮书《进入专用数据库时代》中,介绍了8种数据库类型:关系、键值、文档、内存中、关系图、时间序列、分类账、领域宽列,并逐一分析了每种类型的优势、挑战与主要使用案例。

点击阅读原文识别二维码,申请免费获取白皮书。



© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:content@jiqizhixin.com

关注公众号:拾黑(shiheibook)了解更多

[广告]赞助链接:

选择AiDeep,让人工智能为你工作:http://www.aideep.com/
四季很好,只要有你,文娱排行榜:http://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/

图库
关注网络尖刀微信公众号
随时掌握互联网精彩
赞助链接