MIT深度学习与无人驾驶-学习资料
MIT深度学习与无人驾驶课程,内容覆盖深度学习、自动驾驶、机器学习、深度学习、深度强化学习、CNN、RNN等

关键词标签: MIT, 深度学习, 自动驾驶, 机器学习, 深度学习, 深度强化学习, CNN, RNN

课程介绍

MIT 6.S094是麻省理工学院深度学习和自动驾驶课程,介绍了深度学习的相关知识,以及深度学习在自动驾驶领域的实践和应用。领衔授课人是Lex Fridman,麻省理工学院研究员,致力于研究以人为中心的人工智能,主要研究深度学习在半自动驾驶环境下的应用,比如感知驾驶员状态、感知场景、运动控制和规划等等。 MIT 6.S094是入门自动驾驶必修课,对于刚刚接触自动驾驶、机器学习、深度学习的新人来说,这门课是非常友好的入门学习材料,全课只有5节1小时课程+3节客邀讲座,总长度不超过9小时。 课程主要面向机器学习初学者,也同样适用于深度学习、自动驾驶领域的高级研究人员,能够帮助学习者了解深度学习在自动驾驶中的应用。

课程大纲

第1讲 深度学习与自动驾驶简介
第2讲 深度学习
第3讲 深度强化学习
第4讲 计算机视觉
第5讲 深度学习与类人环境感知
第6讲 面向运动规划的深度强化学习
第7讲 用于全驾驶任务端到端学习的卷积神经网络
第8讲 循环神经网络与时序驾驶操纵
第9讲 以人为中心的半自主驾驶深度学习
第10讲 机器学习简介

ShowMeAI课程解读:全套资料

更多技术与课程清单 | 点击查看详细课程

技术方向 课程及链接
计算机数学基础 MIT-计算机科学的数学基础
辛辛那提大学-微积分I
辛辛那提大学-微积分II
辛辛那提大学-离散数学
斯坦福-线性代数与矩阵方法导论
计算机科学导论 斯坦福-计算机科学导论
哈佛-计算机科学导论
MIT-计算机科学与Python编程导论
数据结构与算法 MIT-数据结构与算法设计
马里兰大学-数据结构
数据库 CMU-数据库系统导论
CMU-数据库系统进阶
机器学习及应用 斯坦福CS229
MIT-机器学习导论
深度学习及应用 斯坦福CS230
哈佛-Python人工智能入门
MIT-深度学习导论
李宏毅-机器学习(&深度学习)
应用深度学习(全知识点覆盖)
UC Berkeley-深度神经网络设计、可视化与理解
威斯康星-深度学习和生成模型导论
UC Berkeley-全栈深度学习训练营
自然语言处理 斯坦福CS224n(深度学习与NLP)
斯坦福CS124(从语言到信息)
斯坦福CS520(知识图谱)
马萨诸塞-自然语言处理进阶
计算机视觉 斯坦福CS231n(深度学习与CV)
密歇根eecs498(CS231n进阶课)
慕尼黑工大adl4cv(深度学习与CV高阶课)
多模态 CMU-多模态机器学习
图机器学习 斯坦福CS224w
强化学习 斯坦福CS234(强化学习)
伯克利CS285(深度强化学习)
无监督学习 伯克利CS294-158(深度无监督学习)
AI与生物医疗 MIT-面向生命科学的深度学习
MIT-基因组学机器学习
MIT-医疗机器学习
图形学与几何 CMU-计算机图形学
AMMI-几何深度学习
其他课程 哈佛-基于Python/JavaScript的web编程
MIT-计算思维导论(Julia)
MIT-深度学习与无人驾驶
end
*****
本文作者 韩信子
欢迎关注微信公众号 ShowMeAI研究中心 获取更多资源!