CMU多模态机器学习-学习资料
CMU多模态机器课程,内容覆盖多模态、视觉表示、语言表示、多模式对齐、生成模型、判别模型、图模型、多模态强化学习、协同学习等

关键词标签: CMU, 多模态, 生成模型, 判别模型, 图模型, 多模态强化学习, 协同学习

课程介绍

CMU 11-777是全球顶校卡内基梅隆开设的AI专项课程,课程以多模态为主题,讲解了文本与图像等多种数据形态联合应用与建模的前沿知识与方法。

目前在工业界的实际应用场景中,有大量不同形态数据存在的场景,对这些数据联合应用与建模驱动业务,是研究界和工业界都异常关心的主题。

通过本课程的学习,大家可以了解目前前沿研究下对多模态处理的方法。课程内容覆盖 CNN、视觉表示、RNN、语言表示、协调表示、多模式对齐、对齐、表示、平移、映射、生成模型、判别模型、图模型、深度生成模型、强化学习、多模态强化学习、协同学习 等知识点。


课时编号 课时内容
第1.1讲 介绍
第1.2讲 数据集
第2.1讲 基本概念
第2.2讲 基本概念:优化
第3.1讲 CNN 和视觉表示
第3.2讲 语言表示,RNN
第4.1讲 多模态表示
第4.2讲 协调表示
第5.1讲 多模式对齐
第5.2讲 对齐和表示
第7.1讲 对齐和平移 (映射)
第7.2讲 生成模型
第8.1讲 判别式图模型
第8.2讲 深度生成模型
第9.1讲 强化学习
第9.2讲 多模态强化学习
第10.1讲 融合、协同学习和新趋势
第10.2讲 新的研究方向

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!