课程简介

本期CV就业班,除了继续沿用上一期七月在线完整的“作业考试且批改”的完善教学机制,以及依然针对每一个人的不同情况给予个性化定制辅导、定制学习路线、优化简历、定制与教授项目之外,于六月初进行了第一次重大升级:

  • 内容升级:之前四个阶段的内容直接新增两个阶段,变成六个阶段;
  • 项目升级:比如狗脸识别系统、人体关节点提取、人脸三维重建等系统;
  • 就业升级:公司新成立就业部,专门一对一跟踪每一个人的就业状态、简历指导、就业内推。

很快,在七月中旬时,课程又进行了第二次更大的升级,把前六周中本来一周一次直播改成一周两次直播,相当于直接新增了如下六次直播(更重要的是课程没涨价):

  • 1. 计算机视觉基础
  • 2. 深谈深度学习基础问题
  • 3. One-Stage物体检测与Two-Stage物体检测
  • 4. 2019物体检测领域新趋势
  • 5. 深度卷积神经网络若干实用Tricks
  • 6. 临阵磨枪之Kaggle比赛经验速成

面向群体: 因为本课程采用严格筛选制(通过率不到1/3),需要具备一定的基础能力才能报名通过,故以下同学优先:

  • 高校CS,数学理工科相关专业的往届或应届研究生,985或211的同学优先
  • 有2年以上开发经验或数据分析经验的本科生
  • 已有一定的机器学习、深度学习基础,比如学过七月在线的ML、DL课程

课程安排

  • 第一部分 报名审核

    申请学员(以下简称学员)填写报名申请表并附上简历,电话或远程面试通过后,才视为报名成功,然后学员和七月在线(以下简称机构)双方签订培训合同。

  • 第二部分 内容安排

    课程开始前,提供预习视频预习,课程开始后,每周安排直播、录播、实训、答疑,然后每两周考试一次,顺利通过阶段考试的学员,才能进入下一阶段的学习。未能通过考核的重新学习,做查漏补缺。

    第一阶段 掌握计算机视觉技术的基础

    在线视频:图像处理基础

    • 1-CV背景介绍
    • 2-CV技术的工具箱:OpenCV完全解析(c++,python)
    • 3-图像的基本操作:遍历图像,ROI选取等
    • 4-机器学习在CV中的应用:KNN

    在线视频:图像处理进阶

    • 1-图像聚类算法
    • 2-百图详解图像滤波器
    • 3-特征提取与匹配(sift等)
    • 4-坐标变换与视觉测量

    在线实训:图像拼接

    在线直播:计算机视觉基础

    • 1-图像边缘提取
    • 2-特征提取与描述
    • 3-RANSAC
    • 4-相机模型与单视几何

    在线直播:三维计算机视觉

    • 1-立体视觉
    • 2-多视几何
    • 3-SFM与SLAM

    第二阶段 掌握机器学习与深度学习基础

    在线视频:机器学习基础和神经网络

    • 1-线性分类器原理推导
    • 2-神经网络基础——前向传递和反向传播算法
    • 3-神经网络调参实践

    在线实训:使用TensorFlow/Keras快速搭建神经网络进行图像分类

    在线视频:深度卷积神经网络原理与实践

    • 1-卷积操作的物理意义
    • 2-深度卷积神经网络的基本结构
    • 3-卷积层的参数个数、输出维度的计算

    在线实训:百行代码实现Kaggle图像分类竞赛Top-5%

    在线直播:深谈深度学习基础问题

    • 1-深度学习中Batch normalization相关的各种变形
    • 2-机器学习中常见面试问题探讨
    • 3-再谈kaggle图像分类问题

    在线直播:机器学习与深度学习基础

    • 1-数学基础
    • 2-深度模型中的正则化与优化
    • 3-再谈TensorFlow/Keras图像分类

    第三阶段 掌握深度学习高级技巧

    在线视频:解析STOA深度卷积神经网络及调参优化技巧

    • 1-深度卷积神经网络结构的发展历史——从AlexNet到DenseNet
    • 2-降低深度网络参数的大杀器——深度可分离网络
    • 3-深度网络模型的训练优化实践经验和技巧

    在线实训:使用Autoencoder和ConvNets构建图像搜索系统

    在线视频:大规模车辆图片搜索/重识别(ReID)

    • 1-深入理解Triplet Loss及其训练技巧
    • 2-基于多任务的深度学习技术
    • 3-融合多任务和Triplet Loss

    在线实训:使用TensorFlow/Keras由浅入深搭建规模车辆图片搜索系统

    在线直播:Two-Stage物体检测

    • 1-考试试题“神经网络与CNN”分析
    • 2-深入理解物体检测的评价指标
    • 3-深入理解Anchor机制
    • 4-RCNN家族模型
    • 5-再谈使用Autoencoder和ConvNets构建图像搜索系统

    在线直播:One-Stage物体检测

    • 1-SSD、YOLO模型剖析
    • 2-Focal Loss背后的原理
    • 3-物体检测的参数解析
    • 4-再谈用Keras/PyTorch 搭建Image Caption模型

    第四阶段 掌握目标检测与语义分割

    在线视频:目标检测及其在无人驾驶领域的作用

    • 1-目标检测的任务、Benchmark以及评价指标
    • 2-2-Stage模型:R-CNN、Fast R-CNN、Faster R-CNN
    • 3-1-Stage模型:YOLO系列和SSD
    • 4-初步了解无人驾驶中的视觉问题(以KITTI数据库为例)

    在线实训:使用TensorFlow/PyTorch在COCO数据集上进行目标检测

    在线视频:深度学习在图像语义分割中的应用

    • 1-全卷积网络FCN
    • 2-基于Encoder-Decoder思想的U-Net系列方法
    • 3-空洞卷积和Deep Lab系列

    在线实训:使用TensorFlow在COCO数据集上进行语义分割

    在线直播:2019物体检测领域新趋势

    • 1-全新检测技术:不基于检测框 (Anchor-free) 的思路与最新进展
    • 2-目标检测扩展:零样本学习检测 (zero-shot object detection)
    • 3-前两种新趋势的实战演练
    • 4-再谈TensorFlow在COCO数据集上的目标检测

    在线直播:Mask R-CNN实战

    • 1-目标检测RCNN,Fast/Faster RCNN
    • 2-Mask R-CNN基本原理
    • 3-Mask R-CNN实战
    • 4-再谈TensorFlow在COCO数据集的语义分割

    第五阶段 掌握CV的技术前沿:RNN与GAN

    在线视频:RNN及其应用(image captioning and VQA)

    • 1-RNN介绍
    • 2-LSTM介绍和背后的梯度解释
    • 3-基于RNN的图像解释和图像问答任务

    在线实训:使用Keras/PyTorch 搭建一个Image Caption模型

    在线视频:深度学习前沿:理解AlphaGo (强化学习) 和生成模型(GAN)背后的原理

    • 1-深度强化学习原理
    • 2-对抗生成模型原理及各种变法(Basic GAN, DC-GAN, W-GAN, 等)
    • 3-基于GAN网络的风格迁移学习

    在线实训:手把手教你如何使用TensorFlow/PyTorch实现GAN

    在线直播:深度卷积神经网络若干实用Tricks

    • 1-考试试题“CNN在CV领域中的应用”分析
    • 2-Beyond python train.py:训练CNN的若干实用Tricks
    • 3-Reading Learning Curves:练就CNN调参大师

    在线直播:掌握GAN与WGAN

    • 1-考试试题分析
    • 2-20分钟无公式直观理解生成式对抗网络
    • 3-深入理解生成式对抗网络模型及其常见变种

    第六阶段 CV比赛实战和简历/面试指导

    在线直播:临阵磨枪之Kaggle比赛经验速成

    • 1-Kaggle挑战赛介绍、搭配环境、数据下载、模型评估
    • 2-迄今最大物体检测数据集Open Images 挑战赛
    • 3-谷歌标志物分类挑战赛

    在线直播:面试/简历那些事

    • 1-简历的格式和组织呈现方式
    • 2-读懂求职岗位需求
    • 3-面试若干实用技巧
    • 4-AI/CV算法研发岗面试基本流程
  • 第三部分 实战项目

    在课程进行的后半段,学员根据自己的兴趣和求职的方向选择实战项目:
    • 实战项目一

      狗脸识别系统

      2018年某国内一线互联网公司,为了促销推出了狗脸识别系统,通过扫狗脸可以快速的识别狗的种类,进而推荐各种养狗秘籍及其相关商家达到促销的目的。通过本项目,你可以学会快速搭建一个基于深度学习网络的识别系统,不仅限于狗脸识别,人脸识别也类似。

    • 实战项目二

      人体关节点提取

      人体关节点提取可以广泛应用于人体运动分析,人体行为分析,游戏娱乐,虚拟现实等等领域。通过本项目,你将学会搭建一套基于深度学习的人体关键点提取系统。

    • 实战项目三

      人脸三维重建

      三维人脸重建,可以广泛应用于VR/AR, 三维打印等领域。通过本项目你可以掌握基于立体视觉,基于深度传感器等技术的人脸重建技术。

    • 实战项目四

      超级变态的图像细粒度分类

      细粒度图像分类(Fine-Grained Categorization)在工业界和学术界都有着广泛的研究需求与应用场景。与之相关的研究课题主要包括识别不同种类的鸟、狗、花、车、飞机等。在实际生活中,识别不同的子类别又存在着巨大的应用需求。例如, 在生态保护中, 有效识别不同种类的生物,是进行生态研究的重要前提。细粒度图像的类别精度更加细致,类间差异更加细微,往往只能借助于微小的局部差异才能区分出不同的类别。

    • 实战项目五

      大规模车辆重识别(ReID)

      在不同的道路交通视频监控拍摄条件下,识别出同一车辆是车辆重识别需要解决的主要问题。车辆重识别需要处理不同拍摄视角、光照等拍摄条件同一车辆的视频监控图像存在差异的问题,甚至车辆的类内方差要大于类间方差。例如同年款的奥迪Q7跟Q5可能要比换代的Q7要来的更加相似。车辆ReID最具有技术挑战之处在于,如何识别同款、同色、不同车牌的车辆,例如每个城市的出租车颜色、车型都一致,如何进行甄别?

  • 第四部分 面试求职

    针对特定方向的定制化项目(如CV实战项目),进行项目与简历的最终调整与完善。然后安排名企面试官模拟面试与内推,面试与反馈迭代,最终帮助学员成功拿到offer。

    第一阶段 简历与项目定制

    • 1-大型公司的招聘方向与需求分析,并选择方向,然后针对特定方向的定制化项目,进行简历调整与完善:一份优质简历的基本原则、你的简历是怎么进出人才资源池的、校招/社招面试官是怎么阅读简历的
    • 2-实用面试技巧若干

    第二阶段 面试辅导与内推

    • 1-名企面试官模拟面试与内推 (老师会给班级里面的每一位学员电话面试,按照BAT中AI/CV算法工程师岗位的要求来面试并且打分,并当场给予分数反馈和调整建议)
    • 2-面试与反馈迭代
    • 注:实战项目会根据市场环境,学员综合情况动态调整。
  • 第五部分 入职护航

    针对学员入职后工作上遇到的技术方面问题,进行一周的跟踪服务,为学员稳定就业保驾护航。

讲师介绍

  • Seven博士

    博士毕业于国内Top5高校,在人工智能和模式识别领域发表了10余篇会议和期刊。目前在国内某知名互联网公司担任人工智能算法高级技术专家,有深厚的学术背景和丰富的项目及业务落地经验。Seven老师长期担任校园招聘和社会招聘技术面试官,授课风格深入浅出、诙谐幽默。

  • 王博士

    中科院CV博士毕业,中国图像图形学会三维视觉专委会委员,目前在百度做CV研发,之前在阿里达摩院做CV研发。

学员评价

时间安排

2019年7月8日开学,越早报名越早享受到BAT大咖的一对一个性化定制。

一个半月的学习周期(包括直播、录播、实训、答疑、考试),一个半月的项目和就业周期,且配备全职科学家、全职助教、全职就业老师辅助讲师进行课程答疑、项目辅导、简历指导、就业内推。

课程价格

收费:¥21000

包含课程费用、项目费用、就业费用,审核通过且报名后签订就业协议,了解详情或优惠,敬请咨询。

报名流程

报名本就业班的步骤如下

  • 1、点击此处,下载申请表
  • 2、填写好申请表后,和简历一并发送至邮箱:zhangjiaojiao@julyedu.cn
  • 3、我们会在两个工作日之内沟通后续事宜

PS:申请表和简历不得造假(包括但不限于:学历不得造假、教育经历不得造假、工作履历不得造假,一经发现,立即取消入学资格,且相关后果自负)。

课程咨询

张老师:18610663100(微信同步)

email:zhangjiaojiao@julyedu.cn

¥21000:课程全新升级,咨询可优惠

七月内报名加送:新VIP[包未来一年在线课程和全年GPU]

  • 课程 {{item.course_title}} {{item.simpledescription}}
    去使用 去使用 有效期{{item.expire_time}}天
    优惠券 {{item.price}} 元 全场通用 仅用于{{item.course_title}}
领取
领取成功
您有1个待支付尾款的课程
再不支付就要过期了!
点击查看