内容简介：AI 研习社获得官方授权，汉化翻译CMU 2018 秋季《深度学习导论》课程，今日正式上线中文字幕版。CMU 2018 秋季《深度学习导论》为官方开源最新版本，由卡耐基梅隆大学教授 Bhiksha Raj 授权 AI 研习社翻译。
AI 研习社获得官方授权，汉化翻译CMU 2018 秋季《深度学习导论》课程，今日正式上线中文字幕版。
CMU 2018 秋季《深度学习导论》为官方开源最新版本，由卡耐基梅隆大学教授 Bhiksha Raj 授权 AI 研习社翻译。
9 月 27 日开始正式同步更新在 AI 研习社，跟随官网课程节奏而更新。
观看网址：
http://www.mooc.ai/course/562 （点击可直达）
课程介绍
「深度学习」系统，以神经网络为代表，逐渐应用于所有的 AI 任务，从语言理解，语音和图像识别到机器翻译，规划，甚至是游戏电竞和自动驾驶。结果是在许多高级学术环境中，深度学习的专业知识正从深奥晦涩的理想转变为行业必要的先决条件，并且在工业界的就业市场中占有非常大的优势。
在本课程中将会学习深度神经网络的基础知识，以及它们在众多 AI 任务中的应用。课程结束后，期望学生能对深度学习有足够的了解，并且能够在众多的实际任务中应用深度学习。
课程官方链接：http://deeplearning.cs.cmu.edu/
学生评价
本课程包含全面的概念描述，它帮助我们理解了深度学习的基础知识。课程从多层感知机开始逐渐深入更复杂的概念，比如注意力机制以及序列模型，另外我们必须完全掌握 Pytorch，这对实现深度学习模型非常重要。作为学生，会学习使用构建深度学习模型所需要的工具。家庭作业主要包括两个部分，分别是 Autolab 和 Kaggle。
Kaggle 部分让我们探索多种架构以及理解如何进行微调并不断改进模型。所有的家庭作业涉及的任务都非常相似，尝试使用多种深度学习方法来解决相同任务是非常有趣的。总而言之，在课程结束之际你会充满信心去构建并调试深度学习模型。
老师的学术功底很强，同时也是个故事大师，整理出来的人工神经网络的发展脉络很清晰明了，以此为基础引导学生由浅入深的思考问题，有节奏的从理论到现实问题的转移，十分推荐。 @付腾
领衔主讲
Bhiksha Raj
先修要求
使用主流的 工具 包（复习课和实验课主要用的工具是 PyTorch）。工具包主要用 Python 编程。学生只要需要掌握其中一门编程语言，或者可以使用自己熟练的编程语言并且学习一种工具包来进行编程。
学生需要熟悉基础微积分 (微分，链式法则)，线性代数和概率论。
每周学习时间 (Units)： 本课程值得每周花 36 小时学习
教材
教材资源和课程PDF文件均可在AI研习社找到。除此之外，AI研习社同步更新Piazza讨论版上的问题和教授解答，帮你全方位更加全面地学习这门课程。
链接地址： http://www.gair.link/page/tag/124 （点击可直达）
课程截图
课程大纲
第一讲：
深度学习简介
课程安排
神经计算的历史和认知基础
多层感知机
第二讲
神经网络作为通用逼近器
第三讲
训练神经网络
感知器学习规则
经验风险最小化
梯度下降优化
第四讲
反向传播
反向传播的微积分
第五讲
神经网络的收敛性
收敛率
损失面
学习率以及优化方法
最优化方法 RMSProp, Adagrad,Momentum
第六讲
随机梯度下降
模型加速
过拟合
正则化
第七讲
技巧：选择分歧损失函数；批归一化；Dropout
训练过程回顾
学生答疑解惑
第八讲
继续前面的优化课
第九讲
卷积神经网络
权重模板
平移不变性
权值共享训练网络
构建卷积模型
第十讲
视觉模型
神经认知机
卷积神经网络的数学细节
Alexnet,Inception,VGG 网络
第十一讲
循环神经网络 (RNNs)
建模系列
随着时间的反向传播
双向 RNN
第十二讲
稳定性
梯度爆炸/梯度消失
长短期记忆神经网络以及方差
Resnets
第十三讲
循环神经网络的损失函数
序列预测
第十四讲
序列到序列方法
连接时序分类
第十五讲
序列到序列模型，注意力模型，语音和语言示例
第十六讲
神经网络是什么
自动编码器和降维
表征学习
第十七讲
变分自动编码器
第十八讲
生成对抗网络（第一部分）
生成对抗网络（第二部分）
第十九讲
Hopfield 神经网络
玻尔兹曼机
第二十讲
训练 Hopfield 网络
随机 Hopfield 网络
第二十一讲
受限玻尔兹曼机
深度玻尔兹曼机
第二十二讲
强化学习第一部分
第二十三讲
强化学习第二部分
第二十四讲
感恩节假期
第二十五讲
强化学习第三部分
第二十六讲
强化学习第四部分
第二十七讲
Q 学习
深度 Q 学习
第二十八讲
新模型以及深度学习的趋势
课程回顾
复习课时间表
第一节：AWS 云服务
第二节：初试深度学习代码
第三节：高效深度学习/优化算法
第四节：卷积神经网络
第五节：调试及可视化
第六节：循环神经网络基础
第七节：循环神经网络第二部分：损失函数，联结时序分类（CTC）
第八节：注意力机制
第九节：深度学习相关研究
第十节：变分自动编码器
第十一节：生成对抗网络
第十二节：强化学习
第十三节：Hopfield 网络，玻尔兹曼机，受限玻尔兹曼机
相关课程
除了这门课程外，AI 研习社同样为热爱AI的你提供了以下精品课程：
CS231n 2017 今天正式开课！双语字幕版独家上线！
lecture1 李飞飞介绍计算机视觉历史背景视频截图
CS231n的全称是CS231n: Convolutional Neural Networks for Visual Recognition ，即面向视觉识别的卷积神经网络。
该课程是斯坦福大学计算机视觉实验室推出的课程。需要注意的是，我们这次翻译的是2017春季（4月至6月）的最新版本。
......
NLP 领域的 C 位课程！斯坦福 CS224d 中英字幕版重磅上线
自然语言处理（NLP）是信息时代最重要的技术之一。理解复杂的语言话语也是人工智能的重要组成部分。 NLP 的应用无处不在，因为人与人之间大部分的沟通都需要语言：网络搜索，广告，电子邮件，客户服务，语言翻译，放射报告等。
NLP 应用程序背后有大量的基础任务和机器学习模型。最近，深度学习方法通过不同的 NLP 任务实现了超高性能。这些模型通常可以通过单一的端到端模型进行训练，而不需要传统的、特定任务特征的工程。
......
学习小组招募
CMU 2018 秋季新开课程《深度学习导论》学习小组成员招募
一个人学习太苦闷？不如抱团来学习小组吧！
社长深知一人坚持的不易，并想邀请热爱学习的你和诸多志同道合的小伙伴，以相互监督，共同进步的形式，一起研习一门新课程——卡耐基梅隆大学 2018 秋季新开课程《深度学习导论》。
加入学习小组后，你需要——
1. 课程视频更新后，学员需要观看课程视频并且在社区留言打卡；
2. 每学完一节课程，学员需在自行独立完成 Quiz 作业并在社区博客进行分享
3. 学员可以根据自己的时间及兴趣，决定是否进行课后作业分享的公开课直播。
4. 为保证社区的学习氛围，社长会根据课程完成情况和活跃程度对学员进行监督管理，如有必要，会定期清理不活跃或者长期潜水的学员；
5. 课程结束后，优秀的学员可以获得社区提供的福利以及礼品；
6. 社区翻译志愿者持续招募中，如果对这门课程的翻译感兴趣，可以联系社长准备字幕翻译工作。
7. 课程有一定难度，且有较多作业，希望学员一旦加入，能够克服困难，收获成长。
报名方式
在AI研习社找到帖子： http://www.gair.link/page/blogDetail/8396 （点击可直达），
回复此贴“我要报名”
同时，添加雷锋字幕组微信：leiphonefansub，备注 CMU 学习小组加入，待工作人员核实后会拉你入群。
雷锋网雷锋网雷锋网 (公众号：雷锋网)
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
