我们拿到全球最赞深度学习课程fast.ai授权，中文版免费放出

大数据文摘出品

红遍AI圈的fast.ai课程终于迎来了官方版中文视频！由大数据文摘发起的“fast.ai课程翻译项目“，集合众多志愿者，耗时4个月，终于上线啦！

我们与fast.ai的创始人兼研究员Jeremy Howard通过邮件多番辗转，终于得到了官方授权！同时，大数据文摘汉化版中文课程也同步给了Jeremy，会在fast.ai官网作为多语言课程内容补充发布！

这次文摘菌历经筛选，招募了37名优秀的志愿者，共同完成了fast.ai官方视频的汉化工作，真诚地希望能为同学们的学习带来便利，不用科学上网啦！

看似轻松的翻译工作，实则涵盖了大量的细节，文摘菌仔细盘点了一下，工作流程覆盖英文字幕校对、断句、翻译、整合、翻译校对、监制校对、视频压制、视频切割、Notes翻译、Jupyter Notebook翻译、课程上线、课程笔记制作等环节，每10分钟的原始英文课程，翻译团队的工作时间已经长达120分钟！层层把关课程质量，只为将最优质的翻译课程呈现到中文学习者面前！而且对于字幕的字体、大小等也是保证了最佳的视觉效果~再次感谢我们的志愿者，你们辛苦了！

课程简介

在众人皆知人工智能(AI)的今天，深度学习(DL)作为近年来最受追捧的技术，热度一直不减。但初学者往往困于找不到合适的切入点，五花八门的框架、各种书籍资料使人凌乱，多少学员又因为数学基础望而却步。今天，文摘菌真诚地推荐一门免费优质好课，其课程品质在深度学习圈中有口皆碑，而且课程讲师Jeremy Howard经历堪称传奇。

这是一门与众不同的人工智能课，授课讲师Jeremy自学成才，是kaggle的竞赛高手，也是一位优秀的企业家。Jeremy创立fast.ai，一个优质的学习社区，致力于“让深度学习不再神秘（Making neural nets uncool again）”。他教会了不同背景的人使用深度学习，而无需大量数据或计算能力。换句话说，Jeremy用他的实际经验在教你“开车”，而不是“造车”，我们不妨先会开车，再去深入研究那些原理。

fast.ai 的课程亮点在于课程遵循自上而下的教授方法，带你俯瞰深度学习最新应用的全貌。以最快的速度，搭建世界级的模型，将深度学习着手于实践。

为什么这门课广受推崇？

数学专业出身，通过fast.ai课程自学深度学习，一年时间成为其研究科学家的Sylvain Gugger说了一段很中肯的话。

“学习深度学习并不需要深入的数学知识，但为了能够在实践中训练模型，只需要了解三件事：

知道什么是导数；

知道误差函数的log和exp；

以及知道什么是矩阵乘积。

这些基础的知识可以在很短的时间内学到，因此完全没必要因为数学基础而对深度学习望而却步。”

相关链接：

https://www.fast.ai/2019/01/02/one-year-of-deep-learning/

南开大学情报学博士王树义曾在他的文章中介绍过一些深度学习框架，例如：Tensorflow，tflearn和Keras，但当他去年进行科研时发现了fast.ai这款框架之后，极力推荐这款框架~

“原本我认为，Keras已经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创始人提出的评判标准——如果一个深度学习框架需要写个教程给你，那它的易用性还不够好。

我看了之后，可以用感动来形容。

Jeremy说这话，不是为了夸自己——因为他甚至做了个MOOC出来。他自己评价，说目前fast.ai的易用性依然不算成功。但在我看来，fast.ai 是目前把易用性和功能都做到了极致的深度学习框架。

它的门槛极低。如同TuriCreate一样，你可以很轻易用几句话写个图片分类模型出来，人人都能立即上手。

它的天花板又很高。因为它只是个包裹了Pytorch的代码库。”

相关链接：

https://zhuanlan.zhihu.com/p/47706063

• 普通人也能学

深度学习人才市场需求量很大，但并非什么很高深难懂的知识，至少本授课讲师Jeremy不这么认为，他始终致力于教会不同背景的人如何使用深度学习。

无需数学与理论先序知识，对仅有少量开发基础（比如大部分的程序员，或者花一周时间学会Python编程的同学）的学习者非常友好。

• 直接从实战应用带你入门

本课程是一门关于深度学习的实战课程，以案例为驱动，可以从学习的过程中掌握AI场景的建模与调优方法，实现产品级的应用。大量工业级的实现与调优技巧，拒绝“toy project”案例，直接产出好的结果。

先学实际应用，后学理论知识，通过这种自上而下的教学方式，带你用最快的速度真正将深度学习应用起来。

案例：使用迁移学习实现一流的宠物品种识别准确率

案例：从零搭建泰迪熊检测器

适合谁学？

• 想入门深度学习的人
• 有一些python开发基础的人
• 了解Jupyter Notebook的人
• 无需专业的数学与领域知识背景

课程大纲

7大课程专题，带你掌握深度学习应用

课程更新时间

你将收获

• 结构化数据的处理与神经网络构建
• 典型的推荐系统场景下深度学习的实现
• 图像数据的处理与深度学习建模
• 图像分类与视觉理解
• 图像语义分割
• 图像生成技术
• 文本数据处理
• 文本理解与智能化分类
• 典型神经网络的构建与训练
• 神经网络高级调参技巧
• fastai工具库使用与典型场景工业级产品实现

去哪里学习这门课？

• 网易云课堂

• b站

怎样才能动手实践？

• 自己搭建实验环境

深度学习的数据运算量极大，正常情况下，完成部署一个可用于深度学习的环境，需要下载资源+安装+配置，一次成功的情况下也需要1-2天时间。然而现实情况中往往还要经历多次出错返工，很多新手往往还未开始正式学习，就被环境部署的难题挡在门外，最终放弃。

那怎么才能既节省时间和开销，又能进行实际操作呢？

• 借助线上实验平台

课程团队对所有案例进行了深度开发，并搭建了fast.ai专属的GPU在线实训环境，可以一键跑通所有代码。希望节省环境搭建的费用，直接学习的同学，可扫码访问《fast.ai深度学习实战-配套实训课》，点击阅读原文亦可~

致谢

这已经不是文摘菌第一次组织课程汉化工作啦！我们之前还翻译过斯坦福大学CS224d课程，CS231N课程等，一路走来，感谢志愿者们的相伴，文摘菌愿与你一同成长！