作者 | 王曄
Yann LeCun 在紐約大學(xué)數(shù)據(jù)科學(xué)中心（CDS）主講的《深度學(xué)習(xí)》 新一期課程現(xiàn)已完全線上可看且免費！課程線上免費發(fā)布后贏得網(wǎng)友一片歡呼：
課程講師Yann LeCun 是紐約大學(xué)教授，Meta 首席人工智能科學(xué)家，被譽為“卷積網(wǎng)絡(luò)之父”，也是AI、機器學(xué)習(xí)等領(lǐng)域的研究員，ACM 圖靈獎獲得者。而他的徒弟Alfredo Canziani是紐約大學(xué)庫蘭特數(shù)學(xué)科學(xué)研究所的計算機科學(xué)研究助理教授和深度學(xué)習(xí)研究科學(xué)家，其導(dǎo)師是紐約大學(xué)助教Kyunghyun Cho和Yann LeCun。本期開設(shè)了14周課程，在線學(xué)習(xí)本課程的學(xué)生還可以通過的Reddit和Discord平臺與講師直接進行交流。課程講解以YouTube 視頻、幻燈片、Jupyter 筆記本呈現(xiàn)，大多數(shù)講座、實驗和筆記本與之前版本相似，但也有全新內(nèi)容。本學(xué)期Yann LeCun重新整理了教學(xué)材料，并且重新設(shè)計了課程和講座的內(nèi)容?，F(xiàn)已將 LV-EBM 視為一個基本模塊，可在此基礎(chǔ)上進行構(gòu)建。學(xué)期前半部分為期兩周，涵蓋了 3 個主題：歷史、反向傳播和梯度下降
- 參數(shù)共享：循環(huán)和卷積網(wǎng)絡(luò)，
每個主題后也都附有練習(xí)：
下半學(xué)期的幻燈片也做了重新設(shè)計。
Yann LeCun表示仍然可以使用去年的材料，但今年將有一個包含不同看法并且更為強大的資料庫。課程涉及深度學(xué)習(xí)和表示學(xué)習(xí)的最新技術(shù)，側(cè)重于監(jiān)督和無監(jiān)督深度學(xué)習(xí)、嵌入方法、度量學(xué)習(xí)、卷積和循環(huán)網(wǎng)絡(luò)，以及在計算機視覺、自然語言理解和語音識別中的應(yīng)用。值得注意的是，在學(xué)習(xí)此課程之前，同學(xué)們還要對DS-GA 1001 數(shù)據(jù)科學(xué)入門或研究生級別的機器學(xué)習(xí)課程有一定的學(xué)習(xí)和了解。課程主題包括課程簡介、參數(shù)共享、基于能量的模型（基礎(chǔ)）、基于能量的模型（進階）、關(guān)聯(lián)記憶、圖譜、控制、優(yōu)化等；此外，還將就涵蓋視覺SSL、低資源機器翻譯、Lagrangian 逆向思維、最終項目和問答等其它主題進行探索。相關(guān)鏈接：https://cds.nyu.edu/deep-learning/目前，這門課程提供英法兩種語言版本的講義，課程視頻也已全部完結(jié)。課程目錄與往期一樣，點擊目錄即可跳轉(zhuǎn)至相關(guān)學(xué)習(xí)講義。與去年相似內(nèi)容將會有標(biāo)注，點擊鏈接可跳轉(zhuǎn)。
課程內(nèi)容相較于去年的調(diào)整修改部分：第一周的內(nèi)容鏈接到了去年講義中的1.1和2.1部分。第二周的內(nèi)容對問題動機、線性代數(shù)和可視化做了修改。而這在去年的講義中是以第一周的第三部分內(nèi)容呈現(xiàn)的，講義內(nèi)容有所調(diào)整。也有未修改部分：第四周和第五周內(nèi)容與去年相似。第六周對應(yīng)去年的14.1和14.2部分的內(nèi)容。而第七周自編碼器簡介部分去年是被安排在7.3這一節(jié)中，相關(guān)內(nèi)容做了修改和重新設(shè)計。第八周和第九周內(nèi)容也做了修改、調(diào)整。13周和14周內(nèi)容在下面的YouTube視頻中有所呈現(xiàn)。英文版講義鏈接：https://atcold.github.io/NYU-DLSP21/en/week12/12/
YouTube視頻：https://www.youtube.com/playlist?list=PLLHTzKZzVU9e6xUfG10TkTWApKSZCzuBI資料：https://github.com/Atcold/NYU-DLSP21Reddit論壇：https://www.reddit.com/r/NYU_DeepLearning/NYU-DLSP20（主要版本）：https://github.com/Atcold/pytorch-Deep-Learning
紐約大學(xué)-DLSP19：
https://github.com/Atcold/pytorch-Deep-Learning/releases/tag/dlsp19
AIMS-DLFL19：https://github.com/Atcold/pytorch-Deep-Learning/releases/tag/aims-fl18
CoDaS-HEP18：
https://github.com/Atcold/pytorch-Deep-Learning/releases/tag/v1.0.0
紐約大學(xué)-DLSP18：https://docs.google.com/document/d/1_p1Mw-NtMGN_vpas_pchLsQC2u0NM5mTnRapBrQ2ivk/edit
Purdue-DLFL16：https://docs.google.com/document/d/1ugJRMqQ_cCUQC1B8mSE0iro7sKrDT8-BnppTZv0rA08/edit
torch-Video-教程：https://github.com/Atcold/torch-Video-Tutorials
雷鋒網(wǎng)
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
