【MIT重磅课程6.883】深度学习科学: 桥接理论与实践

【导读】深度学习技术近几年呈现出井喷式发展的现象，在收获了大量成果的同时，也因为缺少理论支撑而饱受争议。本文为大家带来了MIT的深度学习科学：桥接理论与实践课程，梳理深度学习中，实践与理论之间的具体关系意义。

介绍：

深度学习的最新进展使我们能够在机器学习、计算机视觉和机器人技术等许多任务中取得巨大的进步。然而，对这种成功的根源，以及深度学习原因和程度的原则性理解仍然无法实现。

本课程旨在介绍深度学习领域中，存在的基本思想和现象。我们将围绕神经网络训练优化、深度学习模型推广、生成模型（如生成式对抗网络（GAN）和变异自动编码器（VAE））；机器学习的对抗攻击、深度学习模型的可解释性、稳健性、隐私性、以及强化学习来分别进行讲解。

这些讲座将综合分析深度学习领域的一些最新进展，并介绍与此相关的优化、学习理论、统计学习和博弈论等主题。所提供的材料将作为后续课堂讨论的基础，讨论最新的技术优缺点。

课堂项目旨在解决其中一些已经发现的缺点问题，重点是通过经验评估和理论建模的结合，建立对深度学习原则性的理解。

课程链接：

https://people.csail.mit.edu/madry/6.883/

请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“SDLBTP” 就可以获取《深度学习科学: 桥接理论与实践》的下载链接~ 

课程结构：

1. 课程介绍

2. 机器学习基础

1. 连续优化方法概览

2. 生成理论概览

3. 深度学习优化方法

4. 深度学习泛化

5. 理解随机梯度下降

3. 生成模型

1. 生成模型概览

2. 游戏理论视角下的GAN

3. GAN真的是分布学习器吗？

4. 分布检验

4. 鲁棒机器学习

1. 对抗案例与误分类攻击（1）

2. 对抗案例与误分类攻击（2）

3. 对抗鲁棒泛化

4. 数据毒药与差分隐私

5. 强化学习

1. 强化学习介绍

2. 蒙特卡洛搜索树与AlphaGo

3. 策略梯度与Actor-Critic方法

4. 强化学习探索

5. 深度强化学习研究的挑战

6. 机器学习的社会影响

1. 机器学习的公平性

2. 机器学习的可解释性

3. 机器学习的因果关系

4. AI安全性与AI校准

附课程介绍PPT：

-END-

专 · 知

专知《深度学习:算法到实战》课程全部完成！520+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！

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《深度学习:算法到实战》课程，咨询技术商务合作~

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程