疫情期间,大学老师都在用什么上课神器?

作为国内人工智能领军企业,百度一直为AI产业发展和落地提供基础性支持,助力AI核心技术开源,落地AI应用和人才培养。

一直以来,百度坚持为全国各大高校免费提供AI教学全套工具:包括AI教学平台AI Studio,CV和NLP不少于40课时的两套零基础入门到实战的系列课程教案以及实践案例,更有Tesla V100 GPU算力卡免费赠送,为高校师生在学习AI的道路上保驾护航。

在高校中,也涌现出一批将百度AI技术应用到实际教学中的例子,今天我们的主人公就是这样的一位老师。

先带大家认识本次课程的重量级主讲老师——燕山大学冯建周副教授。

主讲老师

冯建周 副教授 燕山大学信息科学与工程学院副教授,硕士生导师

中国计算机学会高级会员,CCF大数据专家委员会专委

先后在国内外重要期刊和学术会议发表学术论文20余篇

主持或参与国家自然科学基金和河北省自然科学基金项目

因为疫情影响,今年冯建周老师将课程搬到了线上,依托百度AI提供的全套课程内容,在AI Studio上进行教学和实践。

这门课程是《Python机器学习》,主要讲授机器学习基本算法,同学们需要进行大量线上实战,课程中老师精心设计了六组实验。

另一方面,为了延伸课程,锻炼学生的综合实践能力,老师还设计了一个三级项目环节,将AI Studio平台中的竞赛题目作为课程三级项目。包括:问答摘要与推理、人流密度检测、中文阅读理解、十二种猫分类等几个竞赛题目,让学生自由发挥,锻炼实操动手能力。

结课后,冯老师表示,“没想到教学效果出乎意料的好,AI Studio平台不仅提供了我们最需要的计算资源,还提供了丰富的实验案例,内置项目和视频功能,更是极大的减少了我们准备教案、备课的时间,不仅让学生可以自主学习,我们也能在后台看到学生的学习状态,对日常教学起到很大的帮助作用。”

老师如此盛赞,小编已经非常好奇了,一起来看看百度飞桨究竟为同学们带来了哪些成长和变化呢?

 

01 深度学习新人的飞桨常规赛之旅

 

——Halation同学

小组参加的是《常规赛:问答摘要与推理》,比赛主题为汽车大师的问答摘要与推理。作为深度学习刚刚入门不到三个月的新人,小组成员在初次看到比赛题目时,感觉无从下手。

经过老师指点,以及遍查资料后,他们决定先从文本摘要和文本推理两个方面入手,但训练后的结果不尽如人意,准确率降低。

网络结构示意

经过分析,成员们将原因锁定在网络模型不适合。如果能够人为剔除更多的对于摘要无关紧要的单词,也许可以达到更好的效果。

Halation同学说:“在机器学习入门的过程中,我们发现AI Studio平台中有着丰富的数据集资源和各种经典的实践案例,这无疑成为我们学习的宝库。另一方面,我们也从平台的众多开源项目中学习到了更多关于机器学习,尤其是深度学习方面的知识。感谢百度飞桨和AI Studio平台,通过学习,我们小组也对飞桨框架有了更多的了解,对深度学习的许多模型也有了更深的认识。我们希望在今后的学习中,更加深入了解深度学习中的模型结构,掌握模型的底层原理,最后游刃有余地运用网络模型,解决更多的实际问题。”

通过训练找到进步的地方,同学们的成长棒棒哒,少年们未来可期~

项目链接:

https://aistudio.baidu.com/aistudio/projectdetail/383197

 

02 飞桨教你做人流密度估计

 

——隔壁老常同学

近年来,行人分析视觉技术在居家、安防、新零售等多个重要领域广泛应用。

项目要求参赛者给出一个算法或模型,对于给定的图片,统计图片中的总人数。给定图片数据,选手据此训练模型,为每张测试数据预测出最准确的人数。

最终两模型各训练90000batch后结果如下:

经过讨论,同学们总结了两点改进意见:

1、对libs.post_process后处理中的参数进行优化;

2、预测忽略区域,在测试时填充黑色。

在不断的练习中复盘,同学们努力寻求更优解,百度飞桨见证了同学们一点一滴的进步和成长。

项目链接:

https://aistudio.baidu.com/aistudio/projectdetail/475632

 

03 飞桨帮你做中文阅读理解

 

—— day我不dead同学

提及阅读理解,我们的第一印象就是中学的时候英语试卷中的阅读理解,与之类似,机器阅读理解,其实就是让机器学会阅读文档,并能从中找出正确答案。

刚拿到这个题目时,团队成员的大脑几乎一片空白。脑中不断涌现出各种问题:如何将文本转换为数值型数据?RNN还是CNN?网络结构应该如何配置?用什么模型训练可以取得好的结果等等。

经过努力,他们最终利用DuReader数据集的Baseline,解决了上述的所有问题。

 day我不dead同学说:“感谢飞桨给我们提供了一个提高自己,锻炼自己的平台,给我们提供了许多NLP领域优质的免费资源,还有许多优秀项目可供借鉴,并且免费的GPU真的很良心、很好用!祝飞桨越来越好!”

项目链接????:

https://aistudio.baidu.com/aistudio/projectdetail/475972

 

04 猫十二分类-飞桨图像分类帮我云撸猫

 

——君匡同学

工作太累,看一些猫猫的图片或者是短视频,才有继续努力的动力呢!云撸猫是现在很大一部分爱猫人士缓解压力的方法。

但是,两只小猫好像啊,会不会是同一种猫猫呢?

本次研究使用的数据来源于百度官方提供的猫脸识别-12种猫分类数据集,包含有12种猫咪的图片,共2160张猫咪图像,每一类均有180张左右的照片。

小组成员运用百度飞桨深度学习框架,构建了以ResNet101为骨架的深度神经网络的猫咪图像分类模型,对猫咪的图像进行分类和目标识别。

经过实验和分析,实现了对猫咪进行图像分类,单目标猫咪分类准确率为94%,说明基于飞桨框架的图像分类具有较好的准确率。

如果以后云撸猫,这个项目就能让你更轻松的判断可爱的猫猫究竟属于哪个类别啦~

项目链接????:

https://aistudio.baidu.com/aistudio/projectdetail/474305

 

05 利用飞桨实现文本摘要总结

 

——舍卟得放卟下灬同学

这个项目主要是飞桨平台进行文本摘要生成,运用Word2Vec和TextRank算法来对文本进行摘要生成。

小组同学们需要在AI Studio中使用所提供的训练集(82943条记录)建立模型,基于汽车品牌、车系、问题内容与问答对话的文本,输出建议报告文本。

来看看同学们是如何实践的?

舍卟得放卟下灬同学说:“经过了这次实践,对NLP的了解更深入了,有些遗憾的是这次没有使用到Seq2Seq模型这个大杀器,如果使用的话,效果可能会更好。”

不用遗憾,意识到问题本身就是最大的成长,相信同学在飞桨平台上不断训练后,一定会有更多的收获与成长~

项目链接:

https://aistudio.baidu.com/aistudio/projectdetail/474553

 

06 基于飞桨进行中文新闻标题分类

 

——彩虹的男人20同学

网络新闻正在成为人们获取新闻的主要途径,如何对冗杂的新闻进行分类,无疑是一个急需解决的问题!

基于此,同学们将在飞桨平台上采用BiLSTM模型,对THUCNews 数据集进行中文新闻文本标题分类。

最后,同学们在七个方面对模型进行优化,将准确率提高到了93%,较其他使用同等模型的项目效果有所优化。

彩虹的男人20同学说:“首先真的特别感谢百度提供的飞桨平台,不仅为我们提供了易于上手操作的项目基础,而且在项目执行时提供了免费的GPU算力卡,为我们进行项目优化留出更多的时间。我们会继续使用百度飞桨平台来学习使用bert+fc来优化此新闻文本分类项目。”

项目链接:

https://aistudio.baidu.com/aistudio/projectdetail/399250

看完同学们的这些作业,小编不禁暗自感叹:同学们都太优秀了!

水滴石穿,非一日之功。在百度AI强有力的帮助下,同学们通过项目不断总结反思,提炼技术,能力普遍获得提升、进步,完成了从AI小白到进阶选手的蜕变。 

冯老师表示,“百度飞桨不仅锻炼了学生的综合实践能力,也培养了很多同学对人工智能的浓郁兴趣,他们在项目结束后,并没有停止下来,而是纷纷报名参加了平台上的多个AI竞赛,走上实践创新的道路。”

种一棵树最好是在10年前,其次是现在。期待更多高校、机构分享自己的教学成果,一起创造更好的课程,持续创新,取得胜利!在飞桨平台的支持下,共同助力AI人才发展,期待未来能与更多优秀老师、同学在飞桨相遇!

如在使用过程中有问题,可加入飞桨官方QQ群进行交流:703252161。

如果您想详细了解更多飞桨的相关内容,请参阅以下文档。

官网地址:

https://www.paddlepaddle.org.cn

飞桨开源框架项目地址:

GitHub:

https://github.com/PaddlePaddle/Paddle

Gitee: 

https://gitee.com/paddlepaddle/Paddle

END

相关推荐