MIT深度学习导论-学习资料
MIT深度学习导论课程,内容覆盖RNN、CNN、深度生成建模、强化学习、神经渲染、医疗应用、机器人应用、模型可视化、迁移学习、TensorFlow等

关键词标签: MIT, RNN, CNN, 强化学习, 神经渲染, 医疗应用, 可视化, 迁移学习, TensorFlow

课程介绍

MIT 6.S191是全球顶校麻省理工开设的深度学习导论课程,我们本次课程聚合了2018-2021四年度的课程,内容覆盖深度学习经典模型(深度神经网络、卷积神经网络、循环神经网络、强化学习),也体现了研究界和工业界的关注点变迁。

课程覆盖到了 社交网络、深度生成模型、医疗保健与生物科学应用、偏见与公平、模型理解等内容。想要入门深度学习的同学,可以从本课程中,构建良好全面的基础知识体系。


课时编号 课时内容
2021年第1讲 深度学习导论
2021年第2讲 循环神经网络
2021年第3讲 卷积神经网络
2021年第4讲 深度生成建模
2021年第5讲 强化学习
2021年第6讲 深度学习前沿知识
2021年第7讲 证据性深度学习和不确定性
2021年第8讲 人工智能偏见和公平
2021年第9讲 用于信息抽取的深度 CPCFG
2021年第10讲 通过域适应处理数据集偏差问题
2021年第11讲 面向 3D 内容构建的 AI
2021年第12讲 医疗保健中的人工智能
2020年第0讲 深度学习简介
2020年第1讲 深度学习简介
2020年第2讲 循环神经网络
2020年第3讲 卷积神经网络
2020年第4讲 深度生成建模
2020年第5讲 强化学习
2020年第6讲 深度学习新前沿
2020年第7讲 神经符号人工智能
2020年第8讲 机器人操作的通用自主性
2020年第9讲 神经渲染
2020年第10讲 嗅觉领域的机器学习
2019年第1讲 深度学习简介
2019年第2讲 循环神经网络
2019年第3讲 卷积神经网络
2019年第4讲 深度生成建模
2019年第5讲 深度强化学习
2019年第6讲 深度学习的局限性和新前沿
2019年第7讲 机器学习可视化 (Google Brain)
2019年第8讲 受生物启发的神经网络 (IBM)
2019年第9讲 图像域迁移学习 (NVIDIA)
2018年第1讲 深度学习简介
2018年第2讲 使用神经网络进行序列建模
2018年第3讲 卷积神经网络
2018年第4讲 深度生成建模
2018年第5讲 深度强化学习
2018年第6讲 深度学习的局限性和新前沿
2018年第7讲 图像分类问题
2018年第8讲 使用 TensorFlow 加速机器学习开发
2018年第9讲 深度学习——个人观点
2018年第10讲 深度学习之外:学习+推理
2018年第11讲 当计算机视觉遇上社交网络

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!