大數據文摘出品
紅遍AI圈的fast.ai課程終於迎來了官方版中文視頻！由大數據文摘發起的「fast.ai課程翻譯項目「，集合眾多志願者，耗時4個月，終於上線啦！
我們與fast.ai的創始人兼研究員Jeremy Howard通過郵件多番輾轉，終於得到了官方授權！同時，大數據文摘漢化版中文課程也同步給了Jeremy，會在fast.ai官網作為多語言課程內容補充發布！
這次文摘菌歷經篩選，招募了37名優秀的志願者，共同完成了fast.ai官方視頻的漢化工作，真誠地希望能為同學們的學習帶來便利，不用科學上網啦！
看似輕鬆的翻譯工作，實則涵蓋了大量的細節，文摘菌仔細盤點了一下，工作流程覆蓋英文字幕校對、斷句、翻譯、整合、翻譯校對、監製校對、視頻壓制、視頻切割、Notes翻譯、Jupyter Notebook翻譯、課程上線、課程筆記製作等環節，每10分鐘的原始英文課程，翻譯團隊的工作時間已經長達120分鐘！層層把關課程質量，只為將最優質的翻譯課程呈現到中文學習者面前！而且對於字幕的字體、大小等也是保證了最佳的視覺效果~再次感謝我們的志願者，你們辛苦了！
課程簡介
在眾人皆知人工智慧(AI)的今天，深度學習(DL)作為近年來最受追捧的技術，熱度一直不減。但初學者往往困於找不到合適的切入點，五花八門的框架、各種書籍資料使人凌亂，多少學員又因為數學基礎望而卻步。今天，文摘菌真誠地推薦一門免費優質好課，其課程品質在深度學習圈中有口皆碑，而且課程講師Jeremy Howard經歷堪稱傳奇。
這是一門與眾不同的人工智慧課，授課講師Jeremy自學成才，是kaggle的競賽高手，也是一位優秀的企業家。Jeremy創立fast.ai，一個優質的學習社區，致力於「讓深度學習不再神秘（Making neural nets uncool again）」。他教會了不同背景的人使用深度學習，而無需大量數據或計算能力。換句話說，Jeremy用他的實際經驗在教你「開車」，而不是「造車」，我們不妨先會開車，再去深入研究那些原理。
fast.ai 的課程亮點在於課程遵循自上而下的教授方法，帶你俯瞰深度學習最新應用的全貌。以最快的速度，搭建世界級的模型，將深度學習著手於實踐。
為什麼這門課廣受推崇？
數學專業出身，通過fast.ai課程自學深度學習，一年時間成為其研究科學家的Sylvain Gugger說了一段很中肯的話。
「學習深度學習並不需要深入的數學知識，但為了能夠在實踐中訓練模型，只需要了解三件事：
知道什麼是導數；
知道誤差函數的log和exp；
以及知道什麼是矩陣乘積。
這些基礎的知識可以在很短的時間內學到，因此完全沒必要因為數學基礎而對深度學習望而卻步。」
相關連結：
https://www.fast.ai/2019/01/02/one-year-of-deep-learning/
南開大學情報學博士王樹義曾在他的文章中介紹過一些深度學習框架，例如：Tensorflow，tflearn和Keras，但當他去年進行科研時發現了fast.ai這款框架之後，極力推薦這款框架~
「原本我認為，Keras已經把功能和易用性做到了最佳平衡了。直到我看到了Jeremy Howard，也就是fast.ai創始人提出的評判標準——如果一個深度學習框架需要寫個教程給你，那它的易用性還不夠好。
我看了之後，可以用感動來形容。
Jeremy說這話，不是為了夸自己——因為他甚至做了個MOOC出來。他自己評價，說目前fast.ai的易用性依然不算成功。但在我看來，fast.ai 是目前把易用性和功能都做到了極致的深度學習框架。
它的門檻極低。如同TuriCreate一樣，你可以很輕易用幾句話寫個圖片分類模型出來，人人都能立即上手。
它的天花板又很高。因為它只是個包裹了Pytorch的代碼庫。」
相關連結：
https://zhuanlan.zhihu.com/p/47706063
- 普通人也能學
深度學習人才市場需求量很大，但並非什麼很高深難懂的知識，至少本授課講師Jeremy不這麼認為，他始終致力於教會不同背景的人如何使用深度學習。
無需數學與理論先序知識，對僅有少量開發基礎（比如大部分的程式設計師，或者花一周時間學會Python編程的同學）的學習者非常友好。
- 直接從實戰應用帶你入門
本課程是一門關於深度學習的實戰課程，以案例為驅動，可以從學習的過程中掌握AI場景的建模與調優方法，實現產品級的應用。大量工業級的實現與調優技巧，拒絕「toy project」案例，直接產出好的結果。
先學實際應用，後學理論知識，通過這種自上而下的教學方式，帶你用最快的速度真正將深度學習應用起來。
案例：使用遷移學習實現一流的寵物品種識別準確率
案例：從零搭建泰迪熊檢測器
適合誰學？
- 想入門深度學習的人
- 有一些python開發基礎的人
- 了解Jupyter Notebook的人
- 無需專業的數學與領域知識背景
課程大綱
7大課程專題，帶你掌握深度學習應用
課程更新時間
你將收穫
- 結構化數據的處理與神經網絡構建
- 典型的推薦系統場景下深度學習的實現
- 圖像數據的處理與深度學習建模
- 圖像分類與視覺理解
- 圖像語義分割
- 圖像生成技術
- 文本數據處理
- 文本理解與智能化分類
- 典型神經網絡的構建與訓練
- 神經網絡高級調參技巧
- fastai工具庫使用與典型場景工業級產品實現
去哪裡學習這門課？
- 網易雲課堂
- b站
怎樣才能動手實踐？
- 自己搭建實驗環境
深度學習的數據運算量極大，正常情況下，完成部署一個可用於深度學習的環境，需要下載資源+安裝+配置，一次成功的情況下也需要1-2天時間。然而現實情況中往往還要經歷多次出錯返工，很多新手往往還未開始正式學習，就被環境部署的難題擋在門外，最終放棄。
那怎麼才能既節省時間和開銷，又能進行實際操作呢？
- 藉助線上實驗平台
課程團隊對所有案例進行了深度開發，並搭建了fast.ai專屬的GPU在線實訓環境，可以一鍵跑通所有代碼。希望節省環境搭建的費用，直接學習的同學，可掃碼訪問《fast.ai深度學習實戰-配套實訓課》，點擊閱讀原文亦可~
致謝
這已經不是文摘菌第一次組織課程漢化工作啦！我們之前還翻譯過史丹福大學CS224d課程，CS231N課程等，一路走來，感謝志願者們的相伴，文摘菌願與你一同成長！