课程简介

贪心科技作为国内AI人才战略服务商，面向企业和个人提供以 “内容+技术+平台” 为核心的人才服务解决方案

面向企业，我们提供以 “解决行业AI业务问题” 为目标的人才梯度的搭建和培养方案；面对个人，我们提供以”解决职业发展ROI”为目标的终身学习方案

经过短短4年的发展，先后完成三轮融资，已面向国内外企业输送AI人才多达10万人，大多分布在Google、微软、阿里、字节跳动、美团等知名企业，同时，为国内外互联网、医疗服务、教育、制造业、零售等客户提供优质服务

课程目录

• 、AI架构师>
• <第01周 开班典礼>
• 开班典礼1
• 开班典礼2
• 开班典礼3
• <第02周 基础理论及课程介绍>
• lecture1
• lecture2
• review1
• review2
• review3
• <第03周 并行及分布式框架概述>
• <01.框架概述>
• 并行及分布式框架概述1
• 并行及分布式框架概述2
• 并行及分布式框架概述3
• 并行及分布式框架概述4
• 并行及分布式框架概述5
• <02.代码实战>
• 代码实战课程1
• 代码实战课程2
• 代码实战课程3
• <03.阅读paper>
• 如何阅读Paper1
• 如何阅读Paper2
• <第04周 环境安装与gitlab的使用>
• <01.环境安装与gitlab的使用>
• 环境安装与gitlab的使用1
• 环境安装与gitlab的使用2
• <02.经典并行模式>
• 经典并行模式1
• 经典并行模式2
• <03.Speaker-Aware Talking-Head Animation>
• SpeakerAwareTalkingHeadAnimation1
• SpeakerAwareTalkingHeadAnimation2
• <第05周 卷积结构及其计算>
• <01.卷积结构及其计算>
• 卷积结构及其计算1
• 卷积结构及其计算2
• 卷积结构及其计算3
• 卷积结构及其计算4
• <02.EFFICIENT WINOGRAD CONVOLUTION VIA INTEGER ARITHMETIC>
• EFFICIENTWINOGRADCONVOLUTIONVIAINTEGERARITHMETIC1
• EFFICIENTWINOGRADCONVOLUTIONVIAINTEGERARITHMETIC2
• <03.前后向算法>
• 前后向算法1
• 前后向算法2
• <第06周 目标检测算法>
• <01.目标检测算法>
• 目标检测算法1
• 目标检测算法2
• 目标检测算法3
• 目标检测算法4
• 目标检测算法5
• <02.Distilling the Knowledge in a Neural Network>
• DistillingtheKnowledgeinaNeuralNetwork
• <第07周 Lecture1 NvidiaTensort核心算法和Plugin开发>
• <Lecture1NvidiaTensort核心算法和Plugin开发>
• NvidiaTensort核心算法和Plugin开发-01
• NvidiaTensort核心算法和Plugin开发2
• NvidiaTensort核心算法和Plugin开发3
• NvidiaTensort核心算法和Plugin开发4
• <PaperDistillingheKnowledgeinaNeuralNetwork>
• Paper Distilling the Knowledge in a Neural Network
• <第08周 TensoRT详讲 真实环境下的代码操作>
• <DynamicetworkSurgeryorEfficientDNNs>
• DynamicNetworkSurgeryforEfficientDNNs
• <LectureTensoRT详讲真实环境下的代码操作>
• TensoRT详讲真实环境下的代码操作1
• TensoRT详讲真实环境下的代码操作2
• TensoRT详讲真实环境下的代码操作3
• TensoRT详讲真实环境下的代码操作4
• <TensorRTpluginnmsPlugin这个plugin插件的具体>
• 插件的具体代码实现1
• 插件的具体代码实现2
• 插件的具体代码实现3
• <第09周 个姓化语音合成项目技术概览>
• <Improving Neural Network Quantization without Retraining using>
• ImprovingNeuralNetworkQuantization
• <Lecture 个姓化语音合成项目技术概览>
• 个姓化语音合成项目技术概览1
• 个姓化语音合成项目技术概览2
• 个姓化语音合成项目技术概览3
• <TensorRT SSD 推理>
• TensorRTSSD推理1
• TensorRTSSD推理2
• <第10周 计算图表示及优化>
• <WorkshopData-Free Knowledge Distillation for Deep Neural Networks>
• DataFreeKnowledgeDistillationforDeepNeuralNetworks
• <计算图表示及优化>
• 计算图表示及优化1
• 计算图表示及优化2
• 计算图表示及优化3
• 计算图表示及优化4
• <第11周 Attention-Based Seq2Seq模型Tacotron2-Lecture>
• <1-Lecture Attention-Based Seq2Seq模型Tacotron2>
• AttentionBasedSeq2Seq模型Tacotron21
• AttentionBasedSeq2Seq模型Tacotron22
• AttentionBasedSeq2Seq模型Tacotron23
• AttentionBasedSeq2Seq模型Tacotron240
• <2-Workshop 说话人特征提取技术实现及环境搭建>
• 说话人特征提取技术实现及环境搭建1
• 说话人特征提取技术实现及环境搭建2
• <3-Workshop Rethinking the Smaller>
• RethinkingtheSmaller1
• RethinkingtheSmaller2
• <4-Workshop 代码练习>
• 代码练习1
• <第12周 声码器Wave序列生成算法实战-Lecture>
• PAYINGMOREATTENTIONTOATTENTIONIMPROVINGTHEPERFORMANCE
• Tacotron2合成模型实现1
• Tacotron2合成模型实现2
• 声码器Wave序列生成算法实战1
• 声码器Wave序列生成算法实战2
• 声码器Wave序列生成算法实战3
• 声码器Wave序列生成算法实战4
• <第13周 tensorrt实战>
• PerformanceGuaranteedNetworkAccelerationviaHighOrderResidualQuantization
• tensorrt实战1
• tensorrt实战2
• tensorrt实战3
• tensorrt实战4
• tensorrt实战5
• <第14周 推荐系统概览>
• SimpleResourceConstrainedStructureLearningofDeepNetworks
• 常用Attention的实现1
• 常用Attention的实现2
• 推荐系统概览1
• 推荐系统概览2
• 推荐系统概览3
• 推荐系统概览4
• 作业讲解1
• 作业讲解2
• <第15周 分布式参数服务器>
• HorovodfastandeasydistributeddeeplearninginTensorFlow
• Horovodtensorflow应用1
• Horovodtensorflow应用2
• 分布式参数服务器1
• 分布式参数服务器2
• 分布式参数服务器3
• 分布式参数服务器4
• <第16周 分布式推荐系统实战>
• Difacto中SGD算法的实现1
• Difacto中SGD算法的实现2
• DistributedTrainingStrategiesfortheStructuredPerceptron
• Mixed Precision Training
• 分布式推荐系统实战1
• 分布式推荐系统实战2
• 分布式推荐系统实战3
• 分布式推荐系统实战4
• 分布式推荐系统实战5
• 深度学习框架技术-1
• 深度学习框架技术-2
• 深度学习框架技术-3
• 深度学习框架技术-4
• <第17周 训练加速高级技术1>
• Local SGD Converges Fast and Communicates Little
• TNN高效存储管理机制-1
• TNN高效存储管理机制-2
• 训练及预测加速高级技术-1
• 训练及预测加速高级技术-2
• 训练及预测加速高级技术-3
• 训练及预测加速高级技术-4
• 训练及预测加速高级技术-5
• 训练及预测加速高级技术-6
• <第18周 训练及预测加速高级技术>
• 模型压缩技术实现-1
• 模型压缩技术实现-2
• 训练加速高级技术1-1
• 训练加速高级技术1-2
• 训练加速高级技术1-3
• 训练加速高级技术1-4
• 训练加速高级技术1-5
• 训练加速高级技术1-6
• <第19周 最后一课>
• Fast Locality Sensitive Hashing for Beam Search on GPU
• 最后一课-1
• 最后一课-2