社区微信群开通啦，扫一扫抢先加入社区官方微信群
社区微信群
↑ 点击上方【计算机视觉联盟】关注我们
栗子 发自 凹非寺
量子位 报道 | 公众号 QbitAI
李沐老师的新课，这个月就要在伯克利开讲了。
这是一门深度学习基础课，一周两节；每节课后，都会有课堂视频放出。
课程内容，大致是按照李沐老师的开源新书《动手学深度学习》来安排的 (但和去年放出的同名课程并不一样) 。
除了沐神，另外一位讲师是这本书的共同作者、亚马逊的同事Alex Smola。
课程会从基础概念开始讲起。
比如，数学和统计学范畴的链式法则、贝叶斯定理、逻辑回归等等。
比如，深度学习入门需要的批尺寸 (Batch Size) 、学习率(Learning Rate) 、多层感知器 (MultiLayer Perceptrons) 、反向传播、随机梯度下降等等。
在那之后，便会走进神经网络的世界。
先是卷积网络(CNN) ，从简单的LeNet开始，到ResNet这类用来做高精度模型的架构。
再来就是序列模型 (Sequence Models) 和循环网络 (RNN) 。LSTM、GRU以及注意力机制都会在这里登场。
△ 5月，就要搭建大规模视觉模型了
作为一门注重实践的课程，课程表里有四节课标注了Making it Work，那便是老师向同学们传授实现大法的时候。
以及，这门课完全基于Jupyter Notebook，每节课的内容，都有代码可以运行。
所以，就算没有标注Making it Work，也可以自行实践 (比如下面这个皮卡丘检测活动) 。
另外，每周都会有作业题目放到网上。温馨提示，这是一门需要不停写代码的、强度很大的课。
需要注意的是，虽然是基础课，大家也要携带Python基础，一点点线代基础，一点点统计学基础，再来上课。毕竟，这些部分不会讲得太细。
想要提前看这本书的这里有资源：《动手学深度学习》中文版PDF和视频免费领！！！
声明：本文来源于网络，【量子位】
如有侵权，联系删除
往期回顾
● 亲身经历2019年校招8个大厂心得体会，纯干货分享（大疆、百度...）● 独家总结 | 一文读懂机器学习的“发展历程” (时间历程，详细又充实！)● 人工智能相关领域的国际顶尖会议介绍● 2018年度最强的30个机器学习项目！
如果觉得我的文章对您有用，请随意打赏。你的支持将鼓励我继续创作！
