【温馨提示】本文共有3751个字，预计阅读完需要10分钟，请仔细阅读哦！

---

深度学习有哪些接地气又好玩的应用？,下面一起来看看本站小编AI科技大本营给大家精心整理的答案，希望对您有帮助

深度学习学什么课程好1

过去几年中，深度学习中的很多技术如计算机视觉、自然语言处理等被应用在很多实际问题中，而且相关成果也表明深度学习能让人们的工作效果比以前更好。

我们收集了一些深度学习方面的创意应用，虽然没有对每项应用进行详尽描述，但是希望你看过之后能对深度学习在生活中的应用潜力有更好的认识，我们在每项应用后也尽量补充了相关资料，比如代码、教程网站和研究论文等，应该会对大家的学习有所帮助。

文末附项目资料领取方式

01 给黑白照片自动上色

为黑白照片添加颜色又叫做图像着色。很久以来，这项工作都是由人工完成，是一项颇为艰巨的任务。现在人们可以用深度学习技术利用物体及它们在照片里的环境来给图像着色，和人工完成的效果几无差别。

为了解决图像着色问题，要给 ImageNet（目前世界上图像识别最大的数据库）训练一个质量很高、规模很大的卷积神经网络。总的来说，就是采用了非常大的卷积神经网络和监督层（supervised layers），添上色彩，然后重建照片。

例如，芝加哥大学的技术人员去年4月份发表研究成果称，用深度学习技术和英伟达 GPU 实现了为黑白照片自动上色。

左为黑白照片，右为深度学习技术上色后的照片

问题来了，我们从哪里可以体验一下呢？从 Algorithmia 网站 上就行，打开网站输入你要上色的照片，然后点击“Colorize it”，就OK了！

拿张黑白喵图举个栗子

02 自动机器翻译

这种应用也就是能把一种语言的词汇、短语和句子自动翻译成另一种语言。其实这种自动机器翻译技术很久前就应用了，但是深度学习可以在两个细分方面达到登峰造极的成果：

• 自动翻译文本

• 自动翻译图片

采用深度学习技术的文本翻译无需提前处理文字的序列，算法能够学习词汇和它们的映射之间的关系，然后翻译为另一种语言。大型 LSTM 循环神经网络中的堆叠网络（stacked networks）就可以用来完成这种翻译。

卷积神经网络也能用来识别有文字的照片，将照片中的文字转换为文本格式，然后翻译加工，最后照片会变为配有翻译后文字的照片。通常也被称为即时视觉转译。

谷歌翻译应用就采用了深度学习技术，能够实现27种语言的即时视觉转译。

03 对照片中物体进行分类和检测

就是将照片中的物体进行分类，归为人们已知的物体。利用大型卷积神经网络在这方面已经取得了瞩目的成就。例如，由神经网络专家 Alex Krizhevsky， Geoffrey Hinton 和 Ilya Sutskever 共同研发的 AlexNet 便是其中的佼佼者。

资料来源：

http://www.cs.toronto.edu/~fritz/absps/imagenet.pdf

检测照片中的物体则要复杂一些，主要是具体识别出照片中一个或多个物体，用方框标出，而且能对它们进行描述。

斯坦福大学的 Andrej Karpathy 就训练了一个深度学习系统，能对照片中不同区域内元素进行识别，并用一句话来描述照片，叫做 Neural Talk。

04

自动书写生成（Handwriting Generation）

根据一些手写笔迹，利用深度学习技术就能用这些笔迹写出其他的词句。

某书法作品

当人们用笔写字的时候，笔在纸上滑动，好比留下一系列连贯的坐标点，而深度学习技术可以学习出笔的移动轨迹和文字之间的关系，然后生成新的一模一样的笔迹，而且能够模仿多种笔迹。

05 自动生成抓眼球的文章标题

生活中在看各种资讯的时候，会遇到各种吸引眼球的标题，让人忍不住点开查看，这些抓眼球的标题基本上都是由小编们绞尽脑汁想出来的，不过深度学习专家 Lars Eidnes 却采用了循环神经网络让电脑能自动生成抓眼球的标题。

我国08年的时候“标题党”已经初见雏形

恐怕是世界上第一个用循环神经网络生成标题的网站。

06 将素描转为照片

2016年荷兰内梅亨大学的几名学生利用深度神经网络将人物脸部素描转化为照片，他们将此项技术称为“卷积素描转换”（Convolutional Sketch Inversion）。

文末附项目资料领取方式

你是否也想成为这样项目的缔造者，而不仅仅是屏幕面前的使用者？

基于此，为了让更多想入行深度学习领域的工程师成为AI工程的机会。

CSDN学院联合《智能问答与深度学习》图书的创作团队，特别针对零基础想入行深度学习的同学联合出品了《从零开始深度学习》这门实体书+视频课课程。

PS：课程模式为：实体书+100余节视频课（书包邮）

与视频课配套的《智能问答与深度学习》这本书，已荣登京东实用性强的10本人工智能工具书。

图片来源于京东好物榜

| 图书邮寄 | 视频精讲 | 作者带队 | 社群答疑 |

扫码上方二维码，立即抢购

原价199元，限时特惠69元

搜狗CEO王小川对本书也有极高的评价。

图片来自京东书评

为了保证书与视频课程的配套性，《从零开始深度学习》视频课的创作团队采用《智能问答与深度学习》原班创作团队，并且全部来自头部互联网企业。

创作团队介绍

学习这门书+课，我能收获什么？

1.102课时、20+小时的课程内容，以及原价¥69 的配套实体书，物超所值。

2. 从最基础的数学基础讲起，夯实基础，由浅入深，让你建立系统的知识体系。

3. 零基础也能轻松上手，从基础学习到真实项目实战，不用担心学完没用。

这门课程适合我吗？

1. 我是计算机专业的学生，适合学习这门课程吗？

适合。这门课程不但为你扫清了基础数学的障碍，而且通过实例的讲解，以及一些学习技巧，你可以比别的同学更早的入门深度学习，提升自己的知识储备，对你今后找实习、找工作都有很大的帮助。

2. 我已经有一定的编程经验，但不是深度学习，需要学习这门课程吗？

需要。如果你有一定的编程经验，那么你在学习前两章内容的时候会容易一些，可以让你加容易手，而且后面有很实战的案例，对于扩展知识面，以及转行都有很不错的帮助。

3. 我不是计算机专业的，但是想转行，适合学习这门课程吗？

适合。此课程主要针对的就是想转行，或者对编程没有基础的人群而策划的，从深度学习最为基础的“基础数学”开始讲起，之后会涉及到python编程以及实战案例，让你打好入门深度学习的基础，建立正确的学习路径。

#课程大纲#

#现在订阅有什么福利#

1. 原价¥199,限时优惠¥69。

2. 现在购课既送王海良老师《智能问答与深度学习》实体书一本。

#如何报名#

限时特惠：¥69（原价¥199）

图书（包邮） +102节视频课程，每课仅需0.6元

坚持30天，平均一天2块钱，换你一次进入高薪技术领域的机会

如果对课程有疑问

“69元立即抢购书+视频课”

深度学习学什么课程好2

责编 | Jane出品 | AI科技大本营（公众号id：rgznai100）

【导语】2018 年秋季，吴恩达教授在斯坦福新开了一门 CS230《深度学习》课程，近期，该课程的视频已经上传到网络上，AI科技大本营必须要把这份新鲜出炉的学习课程分享给大家，营长敲黑板啦：”是谁的小眼睛还没看过来“？

还记得当年大家入门 AI 的时候都必看的一个视频就是 Andrew Ng 在斯坦福大学的《机器学习》课程，也是这门课让那个时候的我们，乃至全世界的小伙伴们，都有机会免费学习到经典又精品的 AI 课程。

2018 年秋季，吴恩达教授在斯坦福又新开了一门 CS230《Deep Learning》课程，和 Prof. Andrew Ng 一起共同讲授这门课程的还有 Prof. Kian Katanforoosh。近日，这门课程的全部视频已正式上线，国内微博博主爱可可老师将视频从油管搬运到了 B 站（感谢爱可可老师），不能翻墙已经不是你不学习的理由了！

在给大家介绍课程信息前，先把最重要的课程地址给大家！

追番不存在的，都是用 B 站学 AI 的 https://www.bilibili.com/video/av47055599/

授课老师

Prof. Andrew Ng & Prof. Kian Katanforoosh

课程简介

本次课程有五讲，将围绕深度学习的基础，理解如何构建的神经网络，并且学习到如何成功的完成一个机器学习项目等内容展开。涉及的知识点包含：CNN、RNNs、LSTM、Adam、Dropout、BatchNorm 等等。

也许你会问，这么多内容就五课时？这次的授课形式也和以往不同，“线上+线下”模式教学，每次课程，你需要在 Course 上先自行学习，完成一系列的测试，然后再到课堂上进行更深层次的讨论，课程最后有一个 Final Project。

第一讲：Class Introduction and Logistics

第二讲：Deep Learning Intuition

第三讲：Full-Cycle Deep Learning Projects

第四讲：How to tune your network

第五讲：AI + Healthcare

完整课程大纲

课程首页：http://cs230.stanford.edu

课程 Notes 和 Tutorialhttps://cs230-stanford.github.io

课程视频：http://onlinehub.stanford.edu/cs230

课程相关的 tests、trainhttps://cs230-stanford.github.io/train-dev-test-split.html

别说了，我马上学，马上学~~

（本文为 AI科技大本营原创文章，转载请微信联系 1092722531）

深度学习学什么课程好3

深度学习使机器模仿视听和思考等人类的活动，能够以结构化的方式分析数据。解决了很多复杂的模式识别难题，在搜索技术，数据挖掘，机器学习，计算机视觉，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。

随着人工智能的第三次发展浪潮，它既给社会发展带来了巨大机遇，同时也带来了诸多风险。优质的深度学习课程是我们深入了解深度学习知识必不可少的关键一环。接下来就给大家介绍一下我精心挑选的2门最佳深度学习课程。

1、Neural Networks and Deep Learning (DeepLearning.AI)

1.https://www.classcentral.com/course/neural-networks-deep-learning-9058

2.https://mooc.study.163.com/smar

本课程是深度学习领域中最热门的课程，由机器学习领域的杰出人物吴恩达教授。如果您想进入前沿人工智能领域，本课程将会对您有所帮助。您不仅会获得对深度学习的基本理解，还将学会深度学习的底层工作原理。

本课程适用于对经典机器学习有一定了解的同学，以及希望掌握基本知识并获得实用机器学习和深度学习技能的早期软件工程师或技术专业人员。

1.1 课程内容

您将学习深度学习的基础知识，了解如何构建神经网络，并学习如何实践机器学习项目，学习卷积网络，RNN，LSTM，Adam，Dropout，BatchNorm，Xavier/He初始化等等。您将学习医疗，自动驾驶，手语阅读，音乐创作和自然语言处理的案例研究。届时，您不但会掌握深度学习的基础理论，还会看到它在工业中的应用。上面的这些想法都将在Python和TensorFlow的练习中所实现。

另外，您还将了解许多深度学习的高层领导，他们将与您分享他们的个人故事，并为您提供职业建议。AI正在对各行各业产生着巨大的影响，在完成此专题的课程后，您可能会找到创造性的方法将其应用到您的工作中。这也会帮助您掌握深度学习，了解如何使用它，帮助您建立AI的职业生涯。

1.2学习方式

该课程的学习时间为27小时，分四周进行。

第一周课程从深入学习的介绍开始，在探索促进深度学习兴起的三个主要趋势之前，您将了解什么是监督学习以及与深度学习的关系。介绍模型的主要类别（例如卷积神经网络和循环神经网络），并将讨论每个模型的适当用例。

第二周课程会教您使用Numpy库进行神经网络编程，您将在Jupyter notebook中进行编码。您将使用神经网络解决机器学习问题，并使用矢量化来加快模型。您将学习几个关键概念，例如反向传播、代价函数和梯度下降等。

在学习了神经网络编程的框架之后，第三周会学习建立单个隐藏层神经网络，也称为浅层神经网络。

在最后一周，将建立一个两层的神经网络，也称为深层神经网络。您将分析深度学习基础的关键计算，然后使用它们来构建和训练深层神经网络以完成识别猫的照片的计算机视觉任务。

2、MIT 6.S191: Introduction to Deep Learning(Massachusetts Institute of Technology)

课程链接：https://www.classcentral.com/course

本门课程是麻省理工学院的入门课程，从2017年开始每年都开课，并向所有人开放注册。本门课程教您深度学习的基本知识，并帮助您使用Tensorflow建立神经网络来获得实践经验。经过课程的学习之后，您将了解深度学习方法与计算机视觉、自然语言处理、生物学等应用的关系。

2.1课程内容

目前最后一个完结的课程是2021年度课程。课程内容的介绍以2021年课程为例，由Alexander Amini教授讲述，第一个模块会阐述深度学习中的几个基本概念，还会讲解如何通过数据来训练神经网络，以及我们在训练它们时应采取的预防措施。

接下来是序列建模。从预测移动物体到心跳，从全球温度到自然语言，序列无处不在。您将学习通过循环神经网络来处理序列建模任务。

使计算机看到图像一直是一个令人兴奋的想法。不幸的是，计算机将图像视为0和1的集合。那么，如何帮助计算机在图像中找到复杂的特征？卷积神经网络可以解决这个问题，您将了解模型如何学习识别图像中的特征。

在生成建模上，与以前的将标签应用于数据的模型（例如，可以告诉模型表示图像代表猫）不同，无监督学习的目标是学习数据下的隐藏结构。你将学习两种无监督的模型：变分自动编码器（VAE）和生成对抗网络（GAN）。

至此，在学习完受监督和无监督的学习之后，本课程将介绍一个新类别：强化学习。这是本课程的一大特点，因为其涵盖了很多强化学习基础，这在大多数深度学习课程中是很少见的。强化学习是使AI可以扮演马里奥或机器人行走的学习类型。强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。一些复杂的强化学习算法在一定程度上具备解决复杂问题的通用智能，可以在围棋和电子游戏中达到人类水平。

该课程还探讨了一些有趣的前景，例如用图神经网络和自动化机器学习表示数据，但是存在一定的局限性。例如，AI很难说出它在预测中有多么自信，而AI也容易受到偏见的影响。幸运的是，现在的工作都在防止AI造成的弊大于利，在此课程中，您可以了解部分内容。

课程中的最后几次讲座是由诸如Google和Nvidia等知名机构的客座讲师教授的。您将学习有关信息提取，三维重建以及AI医疗等内容。

1.2学习方式

这门课程为期9周，共有12个讲座视频，总计约10个小时。演讲视频制作良好且清晰，补充资源也很方便。

内容更新时间（UpDate）： 2023年03月30日 星期四