服务全球AI开发者，University AI携手百度AI为你推开现代人工智能大门

人工智能兼具技术属性和社会属性高度融合特点，是新时代经济发展新引擎、社会发展加速器。为加快建设创新型国家，深入实施创新驱动发展，理当精准把握人工智能领域的发展大势。

常言道：“功以才成，业由才广。”抢占顶尖人才制高点，也便意味着具备了占据该领域的先机。不过，当面对人工智能领域顶尖人才的匮乏现状和日甚一日的渴求心理，是花费巨资普遍撒网争夺引进还是着眼于长远可持续培养，University AI 选择了 hard way 模式，即花费大量心血从人才本身出发的长远可持续性培养，和百度 AI 的目标非常契合，随即大家在这一目标下推出了一系列公开课程，希望可以帮助到全球的 AI 开发者。

近日，百度上线 PaddlePaddle 公开课，以提供丰富的深度学习课程资源，在线帮助开发者从零开始掌握 PaddlePaddle 深度学习框架。这也是业内第一套由深度学习教育联盟合作伙伴制作完成，包含理论和实战的 PaddlePaddle 深度学习中文视频课程。

深度学习教育联盟由百度牵头成立，旨在全方位支持深度学习人才培养。深度学习教育联盟将为开发者提供包括内容、渠道、平台、科研、赛事、资金等多方面支持，帮助感兴趣的开发者快速转型为合格的深度学习工程师。有意向成为深度学习教育联盟的合作伙伴可以在线申请加入百度AI开放平台生态伙伴计划。

据了解，首期深度学习视频课程是由深度学习教育联盟合作伙伴 University AI 制作完成，并率先推出包含原理、算法和实战等干货内容。University AI 以百度 PaddlePaddle 深度学习框架为基础，针对普通工程师向算法工程师转型，全方位打造从入门到进阶的人工智能课程。

University AI 作为中国最早的深度学习以及深度强化学习课程和知识的“传道者”，在 PaddlePaddle 公开课中创造了具备完整人工智能视野的“全方位人工智能课程”。同时，课程包含了大量从未在人工智能教育产品中露面的技术领域，包括生成式对抗网络、深度强化学习、深度多 agent 系统和逻辑学等，这也是国内人工智能领域首次出现如此深度的教育产品。

目前，该视频课程已在 PaddlePaddle 训练营上线推出。除此之外，深度学习教育联盟其他合作伙伴也在陆续制作深度学习入门与实践、PaddlePaddle 实战、PaddlePaddle 应用场景、AI趣味课堂等五大部分上百小时的视频课程，且所有内容均免费向开发者开放，充分满足开发者全方位的学习需求。

作为百度自主研发的深度学习平台，PaddlePaddle 的易学易用和灵活高效极大地降低了开发者的研发门槛。如今，PaddlePaddle 已开放近20种工业级模型，包括点击率预估、语音识别、文本分类、图像分类等，不仅满足了大批第三方开发者的个性化需求，也加速了第三方 AI 产品的落地。PaddlePaddle 还被业界誉为最符合中国开发者需要的深度学习开源平台，目前已成为全球开发热度（用 Github pull request 数量衡量）增速最高的深度学习开源平台。

为了帮助开发者打造了一条深度学习快速进阶之路，百度还在线下全新开设了“深度学习公开课”，从 PaddlePaddle 开发基础与功能、深度学习工程师的职业规划以及 PaddlePaddle 应用解析等方面，为开发者全面介绍深度学习技术与 PaddlePaddle 的最新进展。百度希望 PaddlePaddle 能帮助更多不同领域的合作伙伴，加速AI产品的落地，也希望以此扩大 PaddlePaddle 的“朋友圈”，将它打造成推动中国各行业实现 AI 转型的重要力量。

感兴趣的开发者可登陆 PaddlePaddle 训练营，学习更多与深度学习相关的干货内容！

附：课程目录

一、迈入现代人工智能的大门

• Modern AI你知多少
• Modern AI骨架脉络
• 深度学习简介
• 关键突破——多层感知机网络模型
• 深度学习的基础算法——反向传播算法简介
• PaddlePaddle框架简介和几个案例

二、让机器能“看”的现代技术

• 计算机视觉小普及
• 计算机视觉深入认知
• 源自视觉神经原理的卷积网络简介
• 卷积网络深入理解
• AlexNet 深度学习关键突破
• VGG网络 更深的架构尝试
• ResNet 深度学习模型的深度究竟能有多深
• PaddlePaddle 加持下的卷积网络实现

三、循环网络原理、模型及应用 (语音识别，自然语言处理）

• 课程导引
• 序列场景分析
• 初识循环神经网络
• 突破障碍的LSTM
• 新式的简化变体GRU网络
• 神经图灵机整体结构
• 神经图灵机——寻址
• 神经图灵机——控制器
• PaddlePaddle实现LSTM和GRU

四、CNN和RNN应用

• 文本数据究竟能够干什么——典型场景分析
• 文本分类的神器——卷积神经网络
• 情感分析的强大武器——循环神经网络
• 机器也可写写诗——中文诗歌生成网络初探
• PaddlePaddle 实现

五、神经自然语言处理

• 自然语言理解概述
• 神经语言模型
• 语义模型——深度结构化语义模型
• 序列标注——命名实体识别
• PaddlePaddle实现

六、搜索排序应用

• 排序学习简介
• 排序学习不同类别和Pointwise方法
• Pairwise方法和Listwise方法
• Pairwise 方法的神经网络模型 RankNet
• Listwise 方法的神经网络模型 LambdaRank
• PaddlePaddle 实现 RankNet 和 LambdaRank

七、强化学习

• 强化学习导引
• 基于值的强化学习方法
• 基于策略的强化学习方法
• 基于模型的强化学习方法
• 强化学习实验环境

八、可解释的模型及应用

• 可解释的模型简介
• 概率图模型
• 贝叶斯推断
• 贝叶斯深度学习
• 常用的实践环境

九、生成式模型的基本概念、方法和应用

• 生成式模型方法
• 变分自编码器
• 生成式对抗网络
• PaddlePaddle 实现 VAE 和 GAN

十、深度强化学习算法及应用

• 深度强化学习简介
• DQN技术
• DDPG技术
• AlphaGo相关技术
• 实践环境

十一、多智能体系统及学习技术

• 多智能体系统简介
• 多智能体博弈和协同
• 多智能体系统机器学习
• 多智能体深度强化学习
• 多智能体实验环境简介

十二、基于逻辑的深度学习技术

• 符号学派简介
• 归纳逻辑编程 ILP
• 结合深度学习的逻辑方法
• 常用的逻辑编程工具
• 课程的总结和对未来的展望

  ---