深度学习科学：桥接理论与实践，麻省理工学院教授Constantinos Daskalakis、麻省理工学院副教授Aleksander Mądry

课程题目：深度学习科学：桥接理论与实践

课程介绍：

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。

课程讲师：Constantinos Daskalakis（MIT) Aleksander Mądry(MIT)

讲师简介：

Aleksander Mądry，麻省理工学院EECS系NBX职业发展副教授，CSAIL和计算理论组成员。他在2011年获得了麻省理工学院的博士学位在加入麻省理工学院之前，他曾在新英格兰微软研究院（Microsoft Research New England）做过一年博士后研究员，之后一直在EPFL学院工作到2015年初。

Constantinos Daskalakis，麻省理工学院电子工程和计算机科学系的教授，CSAIL的成员，隶属于LIDS和ORC。他也是麻省理工学院数据科学基础研究所的研究员。

个人主页：

Constantinos Daskalakis：http://people.csail.mit.edu/costis/

Aleksander Mądry：http://people.csail.mit.edu/madry/