纽约大学《深度学习》2021课程全部放出,LeCun主讲!

2021 年 11 月 16 日 机器学习与推荐算法
Yann LeCun在纽约大学数据科学中心(CDS)主讲的《深度学习》2021年春季课程现已全部在线可看!


该课程自2021年春季开始由Yann LeCun与Alfredo Canziani等共同执教。




CDS发布了Yann LeCun的深度学习(DS-GA 1008)课程的所有材料,包括带英文字幕教学视频、书面讲义、课件以及带有PyTorch实现的可执行Jupyter Notebooks。


课程关注深度学习和表示学习的最新技术,重点关注 有监督和无监督深度学习、嵌入方法、度量学习、卷积和循环网,以及在计算机视觉、自然语言理解和语音识别方面的应用。 前提条件包括:DS-GA 1001数据科学入门或研究生水平的机器学习课程。

地址: https://cds.nyu.edu/deep-learning/


资源
  • YouTube视频:https://www.youtube.com/watch?v=mTtDfKgLm54

  • 官方中文版讲义:https://atcold.github.io/pytorch-Deep-Learning/zh/

  • 课件:https://github.com/Atcold/NYU-DLSP21

  • GitHub:hhttps://atcold.github.io/NYU-DLSP21/

  • Reddit论坛:https://www.reddit.com/r/NYU_DeepLearning/



授课老师:



目录内容:

Theme 1: Introduction

  • History and resources 🎥 🖥

  • Gradient descent and the backpropagation algorithm 🎥 🖥

  • Neural nets inference 🎥 📓

  • Modules and architectures 🎥

  • Neural nets training 🎥 🖥 📓📓

  • Homework 1: backprop

Theme 2: Parameters sharing

  • Recurrent and convolutional nets 🎥 🖥 📝

  • ConvNets in practice 🎥 🖥 📝

  • Natural signals properties and the convolution 🎥 🖥 📓

  • Recurrent neural networks, vanilla and gated (LSTM) 🎥 🖥 📓📓

  • Homework 2: RNN & CNN

Theme 3: Energy based models, foundations

  • Energy based models (I) 🎥 🖥

  • Inference for LV-EBMs 🎥 🖥

  • What are EBMs good for? 🎥

  • Energy based models (II) 🎥 🖥 📝

  • Training LV-EBMs 🎥 🖥

  • Homework 3: structured prediction

Theme 4: Energy based models, advanced

  • Energy based models (III) 🎥 🖥

  • Unsup learning and autoencoders 🎥 🖥

  • Energy based models (VI) 🎥 🖥

  • From LV-EBM to target prop to (any) autoencoder 🎥 🖥

  • Energy based models (V) 🎥 🖥

  • AEs with PyTorch and GANs 🎥 🖥 📓📓

Theme 5: Associative memories

  • Energy based models (V) 🎥 🖥

  • Attention & transformer 🎥 🖥 📓

Theme 6: Graphs

  • Graph transformer nets [A][B] 🎥 🖥

  • Graph convolutional nets (I) [from last year] 🎥 🖥

  • Graph convolutional nets (II) 🎥 🖥 📓

Theme 7: Control

  1. Planning and control 🎥 🖥

  2. The Truck Backer-Upper 🎥 🖥 📓

  3. Prediction and Planning Under Uncertainty 🎥 🖥

Theme 8: Optimisation

  • Optimisation (I) [from last year] 🎥 🖥

  • Optimisation (II) 🎥 🖥 📝

Miscellaneous

  • SSL for vision [A][B] 🎥 🖥

  • Low resource machine translation [A][B] 🎥 🖥

  • Lagrangian backprop, final project, and Q&A 🎥 🖥 📝



深度学习概要

欢迎干货投稿 \ 论文宣传 \ 合作交流

推荐阅读

RecSys2021最佳论文奖出炉(附教程下载)
IJCAI2021 | 深度推荐系统教程 (附Slides)
KDD2021 | 图表示学习系统教程 (附Slides)

由于微信公众号试行乱序推送,您可能不再能准时收到机器学习与推荐算法的推送。为了第一时间收到机器学习与推荐算法的干货, 请将“机器学习与推荐算法”设为星标账号,以及常点文末右下角的“在看”。

喜欢的话点个在看吧👇
登录查看更多
2

相关内容

杨立昆(法语:Yann Le Cun,英语:Yann LeCun,1960年7月8日-)(原中文译名:扬·勒丘恩)是一位计算机科学家,他在机器学习、计算机视觉、移动机器人和计算神经科学等领域都有很多贡献。他最著名的工作是在光学字符识别和计算机视觉上使用卷积神经网络 (CNN),他也被称为卷积网络之父。他同Léon Bottou和Patrick Haffner等人一起创建了DjVu图像压缩技术。他同Léon Bottou一起开发了Lush语言。
专知会员服务
36+阅读 · 2020年12月18日
专知会员服务
44+阅读 · 2020年10月11日
Yann Lecun 纽约大学《深度学习(PyTorch)》课程(2020)PPT
专知会员服务
150+阅读 · 2020年3月16日
最新!Yann Lecun 纽约大学Spring2020深度学习课程,附PPT下载
【课程】纽约大学 DS-GA 1003 Machine Learning
专知会员服务
39+阅读 · 2019年10月29日
Yann LeCun都推荐的深度学习资料合集!
InfoQ
13+阅读 · 2019年7月7日
推荐 | 10.24......送你9大深度学习在线课程,你没理由不看!(附链接......)
国家自然科学基金
0+阅读 · 2018年9月23日
国家自然科学基金
0+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年4月30日
国家自然科学基金
2+阅读 · 2011年12月31日
Arxiv
12+阅读 · 2月24日
Arxiv
13+阅读 · 2021年6月30日
Arxiv
44+阅读 · 2018年12月11日
Arxiv
19+阅读 · 2018年8月19日
Arxiv
14+阅读 · 2018年6月23日
Arxiv
14+阅读 · 2018年2月4日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2018年9月23日
国家自然科学基金
0+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年4月30日
国家自然科学基金
2+阅读 · 2011年12月31日
相关论文
Arxiv
12+阅读 · 2月24日
Arxiv
13+阅读 · 2021年6月30日
Arxiv
44+阅读 · 2018年12月11日
Arxiv
19+阅读 · 2018年8月19日
Arxiv
14+阅读 · 2018年6月23日
Arxiv
14+阅读 · 2018年2月4日
Top
微信扫码咨询专知VIP会员