【课程推荐】理科学校的深度学习（Deep Learning for Science School）

课程题目： Deep Learning for Science School

课程大纲：

• ML介绍
• 神经网络 Ⅰ
• NERSC-DL栈概述
• 使用Keras构建NNs（动手实践）
• 神经网络 Ⅱ
• 深度学习的实践性
• DL再现性
• 训练NNs动手实践
• ML中的公平与伦理
• 序列模型
• 生成模型
• NERSC科学DL
• HEP中的GANs
• 分子工程的DL
• 量子化学的DL
• 超参数优化
• 特征转换
• 可解释性
• 目标检测与图像分割
• 规模化NNs训练
• 几何DL
• 规模化NNs训练（动手实践）

主讲人：

Brenda Ng，劳伦斯·利弗莫尔国家实验室机器学习科学家。

Mustafa Mustafa，NERSC，伯克利实验室的机器学习工程师

Wahid Bhimji,是NERSC数据和分析服务团队的大数据架构师。他目前的兴趣包括机器学习、数据库和数据管理。他目前领导几个机器学习项目，特别是与高能物理相关的项目；协调NERSC和CS领域的深度学习部署；是NERSC数据库的主要用户联络点；是即将推出的Perlmutter机器的工作流程和数据领导；是HEP-CCE的参与领导。显然，他是Cori第1阶段调试（尤其是数据服务）和突发缓冲区的用户负责人。Wahid在学术界和英国政府从事科学计算和数据分析工作多年，并在高能粒子物理学领域获得博士学位等。