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
11-777; Multimodal Machine Learning; 多模态机器学习
🏆 课程学习中心 | 🚧 其他名校AI课程合辑 | 🌍 课程主页 | 📺 中英字幕视频 | 🚀 项目代码解析
Multimodal Machine Learning
多模态机器学习
Carnegie Mellon University
卡内基梅隆大学
11-777
⭐⭐⭐⭐⭐


课程介绍

11-777; Multimodal Machine Learning; 多模态机器学习

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。多模式机器学习 (MMML) 是一个充满活力的多学科研究领域,它通过集成和建模多种交流模式(包括语言、声学和视觉信息)来解决人工智能的一些目标。

11-777; Multimodal Machine Learning; 多模态机器学习

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(MMML)为主题,讲解基本数学概念、文本与图像等多种数据形态联合应用&建模的前沿知识与方法,并回顾最近描述 MMML 的最先进的概率模型和计算算法的论文,并讨论当前和即将面临的挑战。通过本课程的学习,大家可以了解到目前前沿研究下对多模态处理的方法。

11-777; Multimodal Machine Learning; 多模态机器学习

课程讲师 Louis-Philippe Morency,CMU 语言技术学院的终身教授,领导多模式通信和机器学习实验室 (MultiComp Lab),研究重点是建立计算基础使计算机能够分析、识别和预测社交互动中微妙的人类交流行为,核心就是应对多模态机器学习面临的技术挑战。


课程主题

本课程将介绍与多模态机器学习的主要概念,并将讨论近期的诸多应用。课程在官网发布了详细主题,ShowMeAI 对其进行了翻译。


课程资料 | 下载

11-777; Multimodal Machine Learning; 多模态机器学习

扫描上方图片二维码,关注公众号并回复关键字 🎯『11-777』,就可以获取整理完整的资料合辑啦!当然也可以点击 🎯 这里 查看更多课程的资料获取方式!

11-777; Multimodal Machine Learning; 多模态机器学习

ShowMeAI 对课程资料进行了梳理,整理成这份完备且清晰的资料包:


课程视频 | B站

🌍 B站 | 【双语字幕+资料下载】CMU 11-777 | 多模态机器学习(2020·完整版)

ShowMeAI 将视频上传至B站,并增加了中英双语字幕,以提供更加友好的学习体验。点击页面视频,可以进行预览。推荐前往 👆 B站 观看完整课程视频哦!

本门课程,ShowMeAI 将部分章节进行了切分,按照主题形成更短小的视频片段,便于按照标题进行更快速的检索。切分后的视频清单列写在这里:

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


更多技术与课程清单 | 点击查看详细课程

合辑 课程链接
CS数学基础课程合辑 【ENGR108】Stanford斯坦福 · 线性代数与矩阵方法导论课程
【6.042J】MIT麻省理工 · 计算机科学的数学基础课程
【MATH100】辛辛那提大学 · 微积分Ⅰ课程
【MATH101】辛辛那提大学 · 微积分Ⅱ课程
【MATH1071】辛辛那提大学 · 离散数学课程
计算机基础课程合辑 【14-455】CMU卡内基梅隆 · 数据库系统导论课程
【15-721】CMU卡内基梅隆 · 数据库系统进阶课程
【CS105】Stanford斯坦福 · 计算机科学导论课程
【CS50-CS】Harvard哈佛 · 计算机科学导论课程
【CS50-WEB】Harvard哈佛 · 基于Python / JavaScript的Web编程课程
【6.0001】MIT麻省理工 · 计算机科学与Python编程导论课程
【6.046J】MIT麻省理工 · 数据结构与算法设计课程
【18.S191】MIT麻省理工 · 计算思维导论(Julia)课程
【CMSC420】马里兰大学 · 数据结构课程
机器学习课程合辑 【AndrewNG-ML】吴恩达 · 机器学习专项课程
【CS229】Stanford斯坦福 · 机器学习课程
【6.036】MIT麻省理工 · 机器学习导论课程
深度学习课程合辑 【AndrewNG-DL】吴恩达 · 深度学习专项课程
【CS230】Stanford斯坦福 · 深度学习课程
【CSW182】Berkeley伯克利 · 深度神经网络设计、可视化与理解课程
【FSDL】Berkeley伯克利 · 全栈深度学习训练营课程
【CS50-AI】Harvard哈佛 · Python人工智能入门课程
【6.S191】MIT麻省理工 · 深度学习导论课程
【APPLY-DL】科罗拉多大学 · 应用深度学习(全知识点覆盖)课程
【STAT453】威斯康星 · 深度学习和生成模型导论课程
【T81-558】WUSTL · 深度神经网络应用案例实操课程
【HYLEE】李宏毅 · 机器学习(&深度学习)课程
NLP课程合辑 【CS224n】Stanford斯坦福 · 深度学习与自然语言处理课程
【CS124】Stanford斯坦福 · 从语言到信息课程
【CS520】Stanford斯坦福 · 知识图谱课程
【CS685】马萨诸塞大学 · 自然语言处理进阶课程
计算机视觉课程合辑 【CS231n】Stanford斯坦福 · 深度学习与计算机视觉课程
【EECS498】Michigan密歇根 · 深度学习与计算机视觉(CS231n进阶课)
【ADL4CV】慕尼黑工大 · 计算机视觉深度学习进阶课
强化学习课程合辑 【CS285】Berkeley伯克利 · 深度强化学习课程
【CS234】Stanford斯坦福 · 强化学习课程
AI生物医疗课程合辑 【6.047】MIT麻省理工 · 基因组学机器学习课程
【6.874】MIT麻省理工 · 面向生命科学的深度学习课程
【6.S897】MIT麻省理工 · 医疗机器学习课程
其他名校AI课程合辑 【CS294】Berkeley伯克利 · 深度无监督学习课程
【11-777】CMU卡内基梅隆 · 多模态机器学习课程
【15-462】CMU卡内基梅隆 · 计算机图形学课程
【CS224W】Stanford斯坦福 · 图机器学习课程
【6.S094】MIT麻省理工 · 深度学习与无人驾驶课程
【GDL】AMMI · 几何深度学习课程
11-777; Multimodal Machine Learning; 多模态机器学习
*****
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!