2018 年，机器之心为大家介绍了大量的教程、课程等学习资源。新的一年已经到来，小编在此文章中为热爱学习的读者们推荐 2019 年暑期课程列表，收藏了吧！
Github 项目地址：https://github.com/sshkhr/awesome-mlss
在此列表中，作者列出了这些暑期学习的开办地点、组织方、日期、截止日期、是否有资助等信息。其中包括我们所熟知的由 CIFAR 等机构主办的 DLRL 暑期学校。
2019 年知名暑期学校的信息如下：
除了 2019 年即将举办的暑期学校，作者还列出了已经结束的 18 个 2018 年暑期学校的信息。据机器之心了解，这些课程在结束后会陆续放出相关视频与 PPT 资源，例如我们每年都会为读者推荐多伦多的深度学习与暑期学校的学习资源：
只能远程学习的读者可以保持关注。
入门 MILA Yoshua Bengio 课程
相关数据
机器之心Synced创立于 2014 年，是国内首家系统性关注人工智能的科技媒体。
相关技术
深度学习（deep learning）是机器学习的分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法，至今已有数种深度学习框架，如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。
来源： LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436.
强化学习是一种试错方法，其目标是让软件智能体在特定环境中能够采取回报最大化的行为。强化学习在马尔可夫决策过程环境中主要使用的技术是动态规划（Dynamic Programming）。流行的强化学习方法包括自适应动态规划（ADP）、时间差分（TD）学习、状态-动作-回报-状态-动作（SARSA）算法、Q 学习、深度强化学习（DQN）；其应用包括下棋类游戏、机器人控制和工作调度等。
来源：机器之心
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:
- 从 0 开始机器学习 - 机器学习算法诊断
- 浅谈机器学习原理及机器学习平台
- 机器学习基础概念和统计机器学习基本算法
- [机器学习]机器学习笔记整理09- 基于SVM图像识别
- 第一届机器学习会议与机器学习的五大趋势
- 机器学习业务实践之路：如何通过机器学习算法快速解决实际业务
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。
