课程简介

Geoffrey Hinton《神经网络机器学习》经典课程共有16节,基本涵盖了神经网络相关的各个知识点,包括神经网络、神经元模型、感知机、反向传播算法等,虽然课程中有些算法已经过时,但其中的理论基础仍然在为今天的各类主流算法提供着可靠的支持,对于算法研究者来说,有助于加深对这一领域的理解,并对未来的研究方向起到一定的借鉴意义。

课程讲师:Geoffrey Hinton

讲师简介

Geoffrey Hinton,被称为“神经网络之父”、“深度学习鼻祖”,他曾获得爱丁堡大学人工智能的博士学位,并且为多伦多大学的特聘教授。在2012年,Hinton还获得了加拿大基廉奖(Killam Prizes,有“加拿大诺贝尔奖”之称的国家最高科学奖)。2013年,Hinton 加入谷歌并带领一个AI团队,他将神经网络带入到研究与应用的热潮,将“深度学习”从边缘课题变成了谷歌等互联网巨头仰赖的核心技术,并将反向传播算法应用到神经网络与深度学习。

个人主页

Geoffrey Hinton:https://www.cs.toronto.edu/~hinton/

成为VIP会员查看完整内容
《神经网络机器学习》经典课程PPT.pdf
42

相关内容

贝叶斯方法是贝叶斯学习的基础,它提供了一种计算假设概率的方法,这种方法是基于假设的先验概率、给定假设下观察到不同数据的概率以及观察到的数据本身而得出的。其方法为,将关于未知参数的先验信息与样本信息综合,再根据贝叶斯公式,得出后验信息,然后根据后验信息去推断未知参数的方法。
Yoshua Bengio最新《深度学习》MLSS2020教程,附104页PPT及视频
专知会员服务
126+阅读 · 2020年7月10日
Yann Lecun 纽约大学《深度学习(PyTorch)》课程(2020)PPT
专知会员服务
178+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
统计学习方法第一版课程PPT
AINLP
13+阅读 · 2019年5月14日
Arxiv
22+阅读 · 2019年11月24日
Logically-Constrained Reinforcement Learning
Arxiv
3+阅读 · 2018年12月6日
Arxiv
4+阅读 · 2018年9月25日
Arxiv
4+阅读 · 2018年9月11日
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
Arxiv
5+阅读 · 2016年10月24日
VIP会员
相关论文
Arxiv
22+阅读 · 2019年11月24日
Logically-Constrained Reinforcement Learning
Arxiv
3+阅读 · 2018年12月6日
Arxiv
4+阅读 · 2018年9月25日
Arxiv
4+阅读 · 2018年9月11日
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
Arxiv
5+阅读 · 2016年10月24日
微信扫码咨询专知VIP会员