CMU-2018年8月-深度学习基础课程视频分享

课程介绍

    以深度神经网络为代表的“深度学习”系统被应用于越来越多的人工智能任务中，从语言理解、语音和图像识别，到机器翻译、路径规划，甚至游戏和自动驾驶。因此，在许多高阶应用环境中，深度学习的专业知识正在从深奥难懂状态转变为强制性的必要条件，并在工业应用中具有很大的优势。

    在本课程将学习深度神经网络的基础知识，以及它们在各种AI任务中的应用。在课程结束时，学生将对深度学习有很大的了解，并能够将深度学习应用于各种任务。他们还将了解当前关于深度学习的大部分文献，并通过进一步研究扩展他们的知识。

课程地址

http://deeplearning.cs.cmu.edu/

文末附课程已经release视频及PPT分享

（视频带英文字母）

从学生的角度来看该课程内容

    该课程在概念方面非常全面。它有助于学生理解深度学习的基础知识。课程从MLP模型开始讲起，并且逐渐演化到更复杂的概念，例如注意力（Attention）和序列到序列(Seq2Seq)模型。学生将完全掌握PyTorch，这对于实现深度学习模型非常重要。作为学生，将学习构建深度学习模型所需的工具。HomeWork由两个部分组成，即Autolab和Kaggle。Kaggle使学生能够探索多种架构，并了解如何微调和不断改进模型。所有作业的任务都是相似的，了解如何使用多种深度学习方法解决相同的任务很有趣。

课程大纲

视频下载地址

点击下方小广告，然后公众号回复关键字“cmu2018”即可获取

往期精彩内容推荐

吴恩达-人工智能是科学技术进步新助力

<好书推荐> -《Pro Deep Learning with TensorFlow》分享

AI实战圣经《Machine Learning Yearning》第1-52章中英文版pdf分享

迁移学习在自然语言处理中的应用之通用语言建模

神圣的NLP！一文理解词性标注、依存分析和命名实体识别任务

《纯干货》2018-2019年国际AI会议最全信息整理分享

最新深度学习面试题目及答案集锦

历史最全-16个推荐系统开放公共数据集整理分享

一文告诉你Adam、AdamW、Amsgrad区别和联系，助你实现Super-convergence的终极目标

基于深度学习的文本分类6大算法-原理、结构、论文、源码打包分享

深度学习/机器学习的处理器列表（最全_中文版）

扫描下方二维码可以订阅哦！

DeepLearning_NLP

深度学习与NLP

       商务合作请联系微信号：lqfarmerlq

觉得还不错，记得点击下方小广告哦！！