Fonte: New Ji-won
Este artigo sobre 1000 Word, leitura recomendada 5 minutos.
Este curso aborda os conceitos básicos de aprendizagem profunda, bem como de aprendizagem mais recente reforço, o GAN e assim por diante.
estudo aprofundado CMU começou a Queda! Speaker professores profundidade aprendendo curso é Daniel, Bhiksha Raj CMU Escola de Ciência da Computação, o curso aborda os conceitos básicos de aprendizagem profunda, bem como de aprendizagem mais recente reforço, o GAN e assim por diante.
estudo aprofundado e pesquisa no campo da CMU tem estado na vanguarda do mundo, é o material do curso quase introdutório de escolha, slides e programas de vídeo continuará a abrir com o progresso do curso , Você deseja que o sistema para aprender e dominar a aprendizagem profunda dos leitores não perca.
Descrição do cursorede neural profundidade em nome de sistemas de "aprendizagem profunda" estão cada vez mais exibida suas proezas em várias tarefas AI, incluindo a compreensão da linguagem, fala e reconhecimento de imagem, de tradução automática, planejamento e até mesmo jogos e piloto automático. Portanto, aprender a compreender a profundidade de experiência tem sido gradualmente transformada nos insondáveis agora muitos problemas acadêmicos seniores deve dominar o conhecimento de fundo, a aprendizagem ea profundidade do talento no mercado de trabalho também tem uma grande vantagem.
Neste curso, iremos aprender o básico da profundidade de redes neurais e suas aplicações em várias tarefas AI. Após o término do curso, os alunos terão conhecimento suficiente dos tópicos do curso e da profundidade pode ser aplicado a várias tarefas de aprendizagem. Os alunos irão ler muito da literatura atual no campo, e expandir o seu conhecimento profissional através de novas pesquisas.
O conceito deste curso envolve muito abrangente. Ele irá ajudar os alunos a compreender a profundidade da fundação da aprendizagem. Os cursos começam falando do MLP (Multilayer Perceptron) e passar para conceitos mais complexos, como o modelo de atenção e modelos seqüência-a-sequência. Os alunos precisam compreender plenamente PyTorch, é importante para atingir modelo de aprendizagem profunda.
Como estudante, você vai aprender as ferramentas necessárias para construir modelo de aprendizagem profunda. Operações são geralmente tem duas partes, ou seja, Autolab e Kaggle . seção Kaggle nos permite explorar uma variedade de arquiteturas e aprender a ajustar e modelo de melhoria contínua. Todas as tarefas são trabalhos semelhantes, aprender a usar uma variedade de métodos para resolver a mesma tarefa aprendizado profundidade é muito interessante. No geral, no final deste curso, você terá confiança suficiente para modelo de aprendizagem de construção e profundidade sintonia.
Os instrutores do curso: Bhiksha Raj (bhiksha@cs.cmu.edu) TA: Ryan Brigden (rbrigden@andrew.cmu.edu) Raphael Franck Olivier (rolivier@andrew.cmu.edu) Sai Nihar Tadichetty (ntadiche@andrew.cmu.edu) Shubham Tripathi (shubhamt@andrew.cmu.edu) Soham Ghosh (sohamg @ andrew.cmu.edu) Madhura Das (madhurad@andrew.cmu.edu) Ipsita Prakash (iprakash@andrew.cmu.edu) Dhruv Shah (ddshah@andrew.cmu.edu) Shaden Shaar (sshaar@andrew.cmu.edu ) David Zhang (davidz1@andrew.cmu.edu) Anushree Prasanna Kumar (apkumar@andrew.cmu.edu) Ahmed Shah (mshah1@andrew.cmu.edu) Jiawei Yang (jiaweiy@andrew.cmu.edu) Omar Khattab para Doha (okhattab@cmu.edu) Nebiyou Yismaw para Kigali (nyismaw@andrew.cmu.edu) Pré-requisitos1. Vamos usar um kit convencional (principalmente PyTorch). Toolkit usado píton Programação. Você precisa ser capaz de usar pelo menos uma linguagem de programação. Ou, você pode usar familiarizados linguagem de programação, mas deve encontrar sua própria aprendizagem e o kit correspondente.
2. Você precisa estar familiarizado com Basic Cálculo (diferenciação, a regra da cadeia), linear álgebra e Conhecimentos básicos de probabilidade .
material de ensinoEste curso não serão realizadas de acordo com um livro, mas irá selecionar um monte de informações. Listamos a bibliografia relevante, e irá fornecer links para materiais de leitura relacionados para cada unidade. Os alunos precisam estar familiarizados com esses materiais antes da aula. Leituras, por vezes, obscurecer, mas não se preocupe, nós vamos dar uma explicação mais simples na sala de aula.
Palestra 1 (8,29):
Palestra 2 (8.31):
Palestra 3 (9.5):
Palestra 4 (9.10):
Palestra 5 (9.12):
Palestra 6 (9.17):
Palestra 7 (9.19):
Palestra 8 (9.24):
Palestra 9 (9.26):
Palestra 10 (10,1):
Palestra 11 (10,3):
Palestra 12 (10,8):
Palestra 13 (10.10):
Palestra 14 (10.15):
Palestra 15 (10.17):
Palestra 16 (10,22):
Palestra 17 (10.24):
Palestra 18 (10.29):
Palestra 18 (10,31):
Palestra 19 (11,5):
Palestra 20 (11,7):
Palestra 21 (11.12):
Palestra 22 (11.14):
23. tensões (11.19):
Palestra 24 (11.21):
Palestra 25 (11.26):
O artigo 26 fala (11,28):
27 discurso (12.3):
Palestra 28 (12,5):