龙空技术网

不怕学不够,只怕不够学:这份MIT最新深度学习入门公开课请收好

机器之心Pro 2587

前言:

而今同学们对“mit的算法导论”大约比较看重,你们都需要剖析一些“mit的算法导论”的相关文章。那么小编也在网络上汇集了一些对于“mit的算法导论””的相关资讯,希望小伙伴们能喜欢,同学们一起来学习一下吧!

机器之心报道

参与:一鸣、Jamin

依然在家工作或学习的你,也许需要这份最新的 MIT 深度学习公开课。

作为顶尖学府,MIT 自然有不少优秀的公开课。但是他们并没有停下开源的脚步。一月底,MIT 6.S191:深度学习导论课程已开始授课了。每周更新一次课程视频,还提供了 PPT 和 Lab Session 的内容。在家闲着没事的你,也可以看看这些资料,感受下 MIT 的熏陶。

课程官网地址:

全面、公开,还有业界反馈的深度学习课

在课程介绍中,MIT 表示,这是深度学习的入门课程,主要介绍计算机视觉、自然语言处理、生物学等相关领域的深度学习应用。通过课程学习后,学生能够获得深度学习算法的基础知识,具有在 TensorFlow 框架下构建神经网络的实践经验。有趣的是,在课程结束前还会举行项目提案竞赛,让学生从授课老师或是行业赞助商得到关于项目的反馈。

赞助商一览。

当然,因为是入门级别的课程,所以学生不需要有太多的基础知识储备。上课前,课程主办方希望学生能掌握线性代数和微积分的基础知识,这些包括乘法矩阵,求导以及链式法则。但是他们也会尽量在学习过程中向解释其他相关的知识点。另外,Python 方面的代码经验对此课程是有帮助的,但也不是强制要求。

课程安排和目录

在课程设置和安排上,本次的课程包括了 10 节大课和 5 个 Lab Session,在了解理论和应用的同时也可以上手实践。

10 节课包括:

引言;深度序列建模;深度计算机视觉;深度生成模型;深度强化学习;限制和新的前沿发展;神经信号混合 AI;应用于机器人上的、可泛化的自主性;神经生成;用于气味分子的机器学习;

从课程内容可以看出,虽然是深度学习的入门课程,但涵盖的内容不仅仅限于计算机视觉,而是从序列开始(RNN)到生成模型(GAN 等),以及强化学习(RL)。在应用方面也结合了大量的新学科,如生物学、机械工程、神经科学、分子化学等。

同时,课程提供了 5 个 Lab Session,这是一种常见的实践课形式,帮助学生上手写代码,设计自己的项目。

这 5 个 Session 分别有:

TensorFlow 入门:音乐生成;去偏见的面部识别系统;将图像像素作为输入的控制学习;期末项目;期末项目评价和打分;

这些实践课,无疑是深度学习最好的上手资源了。

什么时候开课呢?其实这些课程在 1 月底(27 日)已经开始了,现在已经进行了四分之一。最新一期(第四节课)的视频和 PPT 将会在 28 日公开。

对于课程材料,它们都是开源的,遵守 MIT 许可证。

已公开的视频内容。

还在等什么,可以开始学起来了。

标签: #mit的算法导论