最近最好看的2018中文字幕，最近最好看的2018中文字幕视频mv

老铁们，大家好，相信还有很多朋友对于最近最好看的2018中文字幕和最近最好看的2018中文字幕视频mv的相关问题不太懂，没关系，今天就由我来为大家分享分享最近最好看的2018中文字幕以及最近最好看的2018中文字幕视频mv的问题，文章篇幅可能偏长，希望可以帮助到大家，下面一起来看看吧！

AI研*社获得官方授权，汉化翻译CMU2018秋季《深度学*导论》课程，今日正式上线中文字幕版。

CMU2018秋季《深度学*导论》为官方开源最新版本，由卡耐基梅隆大学教授BhikshaRaj授权AI研*社翻译。

9月27日开始正式同步更新在AI研*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*」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*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*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*有足够的了解，并且能够在众多的实际任务中应用深度学*。

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*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*模型非常重要。作为学生，会学*使用构建深度学*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*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*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

BhikshaRaj

先修要求

使用主流的工具包（复*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*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*时间(Units)：本课程值得每周花36小时学*

教材

教材资源和课程PDF文件均可在AI研*社找到。除此之外，AI研*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*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*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*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*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*

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*第一部分

第二十三讲

强化学*第二部分

第二十四讲

感恩节假期

第二十五讲

强化学*第三部分

第二十六讲

强化学*第四部分

第二十七讲

Q学*

深度Q学*

第二十八讲

新模型以及深度学*的趋势

课程回顾

复*课时间表

第一节：AWS云服务

第二节：初试深度学*代码

第三节：高效深度学*/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*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*

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*社同样为热爱AI的你提供了以下精品课程：

CS231n2017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:ConvolutionalNeuralNetworksforVisualRecognition，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*模型。最近，深度学*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*小组招募

CMU2018秋季新开课程《深度学*导论》学*小组成员招募

一个人学*太苦闷？不如抱团来学*小组吧！

社长深知一人坚持的不易，并想邀请热爱学*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*一门新课程——卡耐基梅隆大学2018秋季新开课程《深度学*导论》。

加入学*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*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*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*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

如果你还想了解更多这方面的信息，记得收藏关注本站。