【课程】斯坦福大学CS236：深度生成模型，附课程材料下载- 专知

【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

Tutorial on Deep Generative Models.
作者Aditya Grover 和Stefano Ermon.IJCAI,2018年7月
https://ermongroup.github.io/generative-models/
Tutorial on Generative Adversarial Networks.
CVPR,2018年6月
https://sites.google.com/view/cvpr2018tutorialongans/
Tutorial on Deep Generative Models.
作者Shakir Mohamed 和 Danilo Rezende.UAI，2017年7月
https://www.youtube.com/watch?v=JrO5fSskISY
Tutorial on Generative Adversarial Networks.
NIPS,2016年11月
https://www.youtube.com/watch?v=AJVyzd0rqdc
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