【课程】斯坦福大学CS236：深度生成模型，附课程材料下载

【导读】本文为大家带来了一份斯坦福大学的最新课程CS236——深度生成模型，目前更新到第一课，感兴趣的同学可以多多关注，跟随学习。

原始链接：

https://deepgenerativemodels.github.io/

1 课程介绍

生成式模型被广泛应用到人工智能和机器学习的诸多领域当中。最近，通过结合随机梯度下降的优化方法，使用深度神经网络参数化这些模型所取得的进展，已经使得对于包括图像，文本和语音在内的复杂，高维度数据建模成为可能。在本次课程中，我们将要学习深度生成式模型的概率基础和学习算法，包括自动编码器(AE)的各种变体，生成式对抗网络，自回归模型和标准化流模型(normalizing flow models)。本课程还将讨论从深度生成式模型中获益的应用领域，例如计算机视觉，语音，自然语言处理，图挖掘和强化学习。

2 讲师介绍

Stefano Ermon

斯坦福大学计算机科学学院助理教授，伍兹环境研究所Fellow。他主要研究在图形模型中的可伸缩技术以及精确推理，数据统计建模，大规模组合优化和不确定性下的鲁班决策，特别是在新兴的计算可持续领域。

Aditya Grover

Aditya是斯坦福大学计算机科学在读博士研究生，师从Stefano Ermon。研究主要集中在概率机器学习上，包括生成式模型、近似推理和深度学习。他的研究得到了微软博士奖学金、利伯曼奖学金和数据科学奖学金的资助。自2018年起，他成为斯坦福大学的一名授课型教师，他与人合作设计并教授一门关于深度生成式模型的新课程。

3 附加阅读

1. Tutorial on Deep Generative Models.

   作者Aditya Grover 和Stefano Ermon.IJCAI,2018年7月

   https://ermongroup.github.io/generative-models/
   

2. Tutorial on Generative Adversarial Networks.

   CVPR,2018年6月

   https://sites.google.com/view/cvpr2018tutorialongans/
   

3. Tutorial on Deep Generative Models.

   作者Shakir Mohamed 和 Danilo Rezende.UAI，2017年7月

   https://www.youtube.com/watch?v=JrO5fSskISY
   

4. Tutorial on Generative Adversarial Networks.

   NIPS,2016年11月

   https://www.youtube.com/watch?v=AJVyzd0rqdc
   

5. Learning deep generative models.

   作者Ruslan Salakhutdinov.期刊Annual Review of Statistics and Its Application，2015年4月

   https://www.cs.cmu.edu/~rsalakhu/papers/annrev.pdf
   

4 课程目录

1. 背景介绍

2. 自回归模型

3. 自动编码器的各种变体

4. 标准化流模型

5. 生成式对抗网络

6. 对生成式模型的评价

7. 基于能量的模型(结合生成式模型的变体)

8. 潜在变量建模中的不连续性

9. 视觉，语音，语言，图，强化学习的应用

10. 生成式对抗模仿学习

5 课程材料预览

请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“2019CS236” 就可以获取课程背景材料的下载链接~ 

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！560+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程