150页Slides深度学习革命:基础，优化，正则——CMU&斯坦福JSM 2018教程

【导读】近年来，人们对深度学习 - 广义上讲，一类基于多层神经网络的方法 - 的兴趣大增。它在计算机视觉、自然语言处理、机器人和控制以及许多其他领域都非常有效。但是它对大多数人而言，是一个黑盒子。统计学家应该使用深度学习吗？这个“黑盒子”真的这么容易使用吗？统计学家是否有空间为深入学习“模型”的理解和/或进一步发展做出贡献？

本教程全面概述了一些最流行/最强大的深度学习方法，详细介绍了它们在各种场景下的应用，并解决了上述问题。演讲者有Chris Manning和Ruslan Salakhutdinov。本教程将分为4个部分

1. 深度学习简介

2. 模型细节：优化、正则、可解释性

3. 无监督学习：深度生成模型 玻尔兹曼机、GAN、VAE等

4. 卷积神经网络、循环神经网络、残差结构、注意力机制

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知），

• 后台回复“DL2018” 就可以获取The Deep Learning Revolution pdf下载~




http://www.cs.cmu.edu/~rsalakhu/jsm2018.html




附各个部分PPT原文：

第一部分：










































































第二部分：




















































第三部分：











































































































第四部分：
























































































-END-


专 · 知




人工智能领域主题知识资料查看与加入专知人工智能服务群：

专知AI知识技术服务会员群加入与人工智能领域26个主题知识资料全集获取。欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！






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！




请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~






 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！




请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知