Berkeley全栈深度学习训练营-学习资料
Berkeley全栈深度学习训练营课程,内容覆盖CNN、RNN、迁移学习、Transformer、网络调试、数据管理、测试、持续集成、监控模型、部署模型等

关键词标签: Berkeley, CNN, RNN, 迁移学习, Transformer, 神经网络调试, 数据管理, 测试, 持续集成, 监控模型, 部署模型

课程介绍

Full Stack Deep Learning是UC Berkeley开放的全栈深度学习训练营课程,课程以实战为主,讲解了不同场景下应用深度学习解决问题的工具、过程和方法。包含了典型的自然语言处理与计算机视觉中,对文本和图像的处理建模方法,也包括AI应用生态的其他工序与操作,比如 数据标注与管理、模型测试、模型部署等。

完整的课程学习,可以帮助我们了解AI解决问题的过程全链条技能,更好地把控AI落地应用的能力。


课时编号 课时内容
第1讲 深度学习基础
实验1 设置和介绍
实验2 CNN 和数据实验
第2A讲 卷积神经网络
第2B讲 计算机视觉应用
第3讲 循环神经网络
实验3 RNN
第4讲 迁移学习和 Transformer
实验4 Transformers应用
第5讲 机器学习项目
第6讲 基础设置和工具
实验5 实验管理
第7讲 深度神经网络调试与故障处理
第8讲 数据管理
第9讲 伦理
实验6 数据标记
实验7 段落识别
第10A讲 机器学习测试
第10B讲 机器学习可解释性
实验8 测试与持续集成
第11A讲 部署 ML 模型
第11B讲 监控 ML 模型
第12讲 研究方向
实验9 Web 部署
第13讲 机器学习团队

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)
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!