【导论】麻省理工学院最近开设一门深度学习课程MIT 6.S191,共包含十大主题课程,涵盖深度学习导论、序列建模、深度视觉、生成模型、强化学习、图神经网络、对抗学习、贝叶斯模型、神经渲染、机器学习嗅觉等,图文并茂,涵盖最新的前沿内容,非常值得学习!最新一讲是深度学习局限性。

课程地址:

http://introtodeeplearning.com/

课程介绍:

麻省理工学院的深度学习方法的导论课程,应用到计算机视觉,自然语言处理,生物学,和更多! 学生将获得深度学习算法的基础知识和在TensorFlow中构建神经网络的实践经验。先修习微积分(即求导数)和线性代数(即矩阵乘法),我们将在学习过程中尝试解释其它内容! Python方面的经验是有帮助的,但不是必需的。欢迎听众!

成为VIP会员查看完整内容
53

相关内容

港中文《深度学习导论》2021课程,李鴻升老师讲授
专知会员服务
50+阅读 · 2021年1月21日
最新《统计机器学习》课程,26页ppt
专知会员服务
80+阅读 · 2020年8月30日
【ST2020硬核课】深度神经网络,57页ppt
专知会员服务
45+阅读 · 2020年8月19日
王的机器带你学 MIT 深度学习导论课
平均机器
7+阅读 · 2019年2月21日
麻省理工2019年深度学习导论课程全套PPT
专知
14+阅读 · 2019年2月15日
MIT深度学习基础-2019视频课程分享
深度学习与NLP
10+阅读 · 2019年2月7日
学界 | MIT深度学习课程全部视频及课件开放
大数据文摘
7+阅读 · 2018年2月20日
资源 | MIT开放最新课程:深度学习导论
AI100
4+阅读 · 2018年2月9日
Arxiv
18+阅读 · 2021年3月16日
Disentangled Information Bottleneck
Arxiv
12+阅读 · 2020年12月22日
A Survey of Deep Learning for Scientific Discovery
Arxiv
29+阅读 · 2020年3月26日
Arxiv
15+阅读 · 2020年2月6日
Deep Learning
Arxiv
6+阅读 · 2018年8月3日
Arxiv
11+阅读 · 2018年7月31日
The Matrix Calculus You Need For Deep Learning
Arxiv
12+阅读 · 2018年7月2日
Arxiv
15+阅读 · 2018年6月23日
VIP会员
相关主题
相关资讯
相关论文
Arxiv
18+阅读 · 2021年3月16日
Disentangled Information Bottleneck
Arxiv
12+阅读 · 2020年12月22日
A Survey of Deep Learning for Scientific Discovery
Arxiv
29+阅读 · 2020年3月26日
Arxiv
15+阅读 · 2020年2月6日
Deep Learning
Arxiv
6+阅读 · 2018年8月3日
Arxiv
11+阅读 · 2018年7月31日
The Matrix Calculus You Need For Deep Learning
Arxiv
12+阅读 · 2018年7月2日
Arxiv
15+阅读 · 2018年6月23日
微信扫码咨询专知VIP会员