于建国

人工智能会在未来消灭很多工作，同时也会创造很多工作。它同机械、同计算机一样，是对人类能力的一次扩展，任何人都应该可以像应用机械一样应用人工智能，绝不应该是大公司的专利。

而深度学习可以说是目前各项人工智能技术的核心。因担心工作会被人工智能取代，越来越多的人想要入门深度学习。

然而如Ian Goodfellow所说，市面上很多教程都是大量的算法罗列，并不专注于如何利用这些算法来解决眼前的问题。这些教程很容易让人们误认为成为机器学习的专家就是知道所有算法。

事实上深度学习仍在迅速发展，今天的技术在明天就有可能被淘汰。并且每天都有大量新网络结构被提出，无法学完所有技术的我们需要找出各类网络结构的共性，尝试归类的理解其背后的设计理念。

本期雷锋网硬创公开课邀请到《超智能体》一书作者于建国，分享的内容就是理解为何“深层”比“浅层”网络要好，深度学习适用于什么任务，并尝试找出前馈神经网络、循环神经网络、卷及神经网络、残差网络、预训练、多任务学习、端到端学习、自动编码器、迁移学习、distillation、dropout、regularization、batch-normalization等技术背后的共享，让大家感受该如何设计符合自己任务的深层神经网络。以一种不一样的思路切入深度学习。

内容介绍

本期公开课包含但不限于以下内容：

理解什么是学习

深度学习为何高效

神经网络的设计理念

入门所需材料

嘉宾介绍:

于建国，会津大学人界实验室硕士生，硕士做的是利用深度学习将口型数据融于语音识别模型的训练中，而识别时无需口型数据，从而提高识别率的研究。也因为喜欢上了研究而继续了博士课程。希望将自己这几年的思考和自学经验分享给大家。可在知乎上搜索YJango找到分享的内容，或者在gitbook上查看其终身连载的关于如何机器学习，如何人脑学习的《超智能体》一书。