甲子光年CEO在《少数人的路》中说：“技术推动了一次次工业革命，每一次都带来了至少100倍以上的生产力的提高；第一次，机械革命，第二次，电气革命，第三次，信息革命，第四次，便是正在进行的智能革命”
而智能革命的当下，核心的主角便是人工智能。
▲人工智能产业结构
而对应的薪水也平均薪酬溢价高达55%-110%，有2，3年经验的人才要价50-60万年薪是很正常的一件事情。在这种形势下，很多同学都产生了涉足人工智能的想法，并付诸了行动。
其中占比最重的是计算机视觉方向，其次是自然语言处理、智能机器人及自动驾驶。
▲计算机视觉的应用场景
其实网上关于人工智能的课程有很多，大量免费的资料可以去选择，也有很多书籍和视频可以去购买。但这些海量的资料加大了大家选择的成本，降低了学习的效率。很多同学有很好的数学和代码基础，觉得自己能够完全搞定人工智能。但自己在中英文夹杂的资料海里遨游了三个月后，收获甚微。
所以为了让大家能够高效率入门人工智能行业，我们邀请硅谷顶级科学家为大家在线直播100节免费公开课，一周3-4节课。
不要认为免费的公开课就没有干货。每周一次的Review Session,我们会提前一周给出几个备选主题，由群内的同学们自主投票选择最心仪的主题。
这100节公开课有多硬核呢？设计紧密围绕学术界最新进展以及工业界的需求，涵盖了80%的人工智能知识点，并且结合了大量实战项目，包括热门的数据分析，自动驾驶，聊天机器人等项目，培养学员的动手能力，解决问题能来以及对知识的深入理解。
来看一下这周被选中的公开课主题，机器学习，数据分析，聊天机器人等。
扫描海报二维码入群，
加入免费公开课。
以下为具体时间安排及主题总览。
Python初学者也能做chatbot：
使用AIML框架搭建简单聊天机器人
时间： 3月12日（周二）晚上8：30
内容介绍
▼
1. AIML框架结构介绍
2. AIML框架的模板设计
3. 基于AIML框架的聊天机器人搭建
主讲人介绍
▼
AI系列公开课二
带你区分数据分析，数据挖掘，大数据的区别和应用场景
时间： 3月13日（周三）晚上8：30
内容介绍
▼
1. 数据行业进化史
2. 如何在数据行业找到工作
3. 数据相关岗位的面试与简历怎么样准备
主讲人介绍
▼
北航计算机博士，曾参与多项国家自然科学基金及国家科技支撑计划项目，多篇论文被SCI、EI及中文核心期刊检索。目前就职于第四范式，任职资深算法工程师，擅长分布式系统，负责算法改进及其产品化、数据建模及可视化等。
作为一名AI从业者，你不得不知道的三个概念：
MLE，MAP和贝叶斯估计
时间： 3月14日（周四）晚上8：30
内容介绍
▼
1. 用一个例子来形象地说明三者之间的区别
2. 详谈MLE与MAP
3. Ridge Regression与LASSO
4. 不同先验概率与正则关系
5. 贝叶斯估计的挑战
6. 浅谈蒙特卡洛算法
主讲人介绍
▼
美国南加州大学博士，曾任凡普金科（爱钱进）首席科学家，美国亚马逊/高盛高级工程师，AI量化投资公司首席科学家兼投资总监。在AAAI, KDD, AISTATS等顶会上发表过15篇以上论文，其中3篇获得Best Paper Award，累计数百次引用。
晒一下好评
加入免费公开课。
之后的公开课安排
具体主题由学员投票决定
企业开发中代码是如何管理的
一起聊聊AI/数据相关岗位的技能图谱，职业规划，未来前景
一小时弄清楚自然语言处理技术概览以及应用场景
用例子来说明机器学习中的 MLE vs MAP vs 贝叶斯估计的区别
面试必考题：逻辑回归模型以及数学推导
一小时弄清楚什么是卷积神经网络
Python中那些不得不会的算法题目
大话面向对象
爬虫开发过程中那些绕不过的登录怎么办
Python结合计算机视觉技术进行验证码识别
高质量的代码必经之路-单元测试该怎么做
Python操作MongoDB
Python操作MySQL
爬虫开发中不得不掌握的正则技术
Python企业开发规范
Python Web开发框架Django入门
Python Web开发框架Flask入门
Python 抓取贴吧评论并进行分析
零基础搭建简单的问答系统
怎么用知识图谱做金融风控系统
利用端到端的学习（end-to-end learning）搭建无人驾驶系统
搭建一个简单的目标检测系统（object detection）
深度学习的可解释性：深入浅出深度学习中的可视化（visualization）
聊聊中美人工智能人才培养、技术创新以及差异性
推荐系统中的常见算法介绍
矩阵分析（Matrix Factorization）详解：推荐系统最离不开的算法
几行代码可以实现的算法： KNN的详解
Metric Learning中的经典：LMNN算法详解
随机梯度下降法中的收敛理论
SGD, Adagrad, Adam算法的详细比较
深入浅出递归神经网络（Recurrent Neural Network)以及应用
RNN中的梯度爆炸以及梯度消减，介绍LSTM
一小时实现图像中的风格迁移（style transfer）
一小时实现语音中的情绪识别（emotion recognition）
基于GraphX做分布式图分析
图嵌入算法详解以及引用
GBDT和XGBoost算法应用以及实现
自适应系统所涉及到的技术要点
机器学习工程需要必备的数学知识
利用目标检测和跟踪算法分析英雄联盟视频
一小时教你怎么搭建GPU训练环境
一小时用Keras搭建人脸识别系统
Google的最新作品BERT模型详解以及实现
一小时实现机器自动写代码系统
（持续更新中。。）
李文哲： 美国南加州大学博士，曾任凡普金科（爱钱进）首席科学家，美国亚马逊/高盛高级工程师，AI量化投资公司首席科学家兼投资总监。在AAAI, KDD, AISTATS等顶会上发表过15篇以上论文，其中3篇获得Best Paper Award，累计数百次引用
袁源：美国新泽西理工博士，美国微软和美国亚马逊的资深推荐专家和技术负责人、主导多款核心推荐系统的研发，是人工智能、分布式系统、云计算方面的专家。拥有14年人工智能、推荐系统、自然语言处理、数字图像和视频处理项目经验。在AI会议上发表过20篇以上论文。
蓝振忠：美国卡耐基梅龙大学博士。现任Google科学家，曾任美国智能监控公司的首席科学家， 对视频和多媒体的智能分析有深入研究。他曾代表卡耐基梅隆大学在美国国家标准总局（NIST）举办的视频智能分析大赛中连续多年进入前三。先后在NIPS、CVPR、ICCV、IJCAI、ICDM等国际顶级会议上发表过25篇以上的论文，论文引用次数上千。
史源：美国南加州大学博士，美国AI基金创始人，拥有10多年人工智能领域相关研发和研究经历。卡耐基梅隆大学访问学者，先后在 ICML、AAAI、IJCAI、ICDM等国际顶级会议上发表数篇论文，引用次数高达1000。
周景阳：曾任百度资深工程师，国美和凡普金科的技术负责人。是技术领域、数据分析、知识图谱、视觉等领域的专家。
葛瀚骋：美国Texas A&M大学博士，美国亚马逊Alexa部门资深科学家，负责Alexa的智能化以及个性化的研发与应用，曾任职于美国ebay以及NEC北美实验室。主要的研究涉及到Tensor、社交分析、推荐系统等领域，在KDD、AAAI、SIGIR、RecSys等国际顶级会议上发表15篇以上的论文，数百次的引用。
Q: 如何参与之后的公开课？
扫描下面二维码（或海报）添加运营小姐姐
加入免费AI公开课