麻省理工學院-2018年最新深度學習演算法及其應用入門課程資源分享

課程描述：

這是一門講解深度學習方法入門課程，深度學習主要應用於機器翻譯，Image Recognition，遊戲，映像產生等等。課程同時設定了兩個非常有趣的實戰項目：

（1）基於RNN產生音樂

（2）基於X光的基本檢測，GitHub地址：https://github.com/aamini/introtodeeplearning_labs

文末附課程所有視頻教程、PPT及配套代碼。

課程安排：

Session 1

Part1 深度學習詳解

Part2 深度序列建模詳解

Lab1 基於RNN產生音樂

Session 2

Part1 深度計算視覺詳解

Part2 深度產生模型詳解

Lab2 基於X光的基本檢測

Session 3

Part1 深度強化學習詳解

Part2 深度學習的局限性以及未來研究方向介紹

Session 4

Part1 Guest Lecture: Google

Part2 Guest Lecture: NVIDIA

Session 5

Part1 Guest Lecture: IBM

Part2 Guest Lecture: Tencent

視頻及ppt下載地址：

連結：https://pan.baidu.com/s/1qZ0KDtU

密碼：公眾號回複“mdl”，即可獲得密碼

往期精彩內容推薦：

OpenAI-2018年強化學習領域7大最新研究方向全盤點

麻省理工學院（MIT）-2018年最新自動駕駛視頻課程分享

最前沿的深度學習論文、架構及資源分享

<模型匯總-6>堆疊自動編碼器Stacked_AutoEncoder-SAE

<模型匯總_5>產生對抗網路GAN及其變體SGAN_WGAN_CGAN_DCGAN_InfoGAN_StackGAN

純乾貨15 48個深度學習相關的平台和開源工具包，一定有很多你不知道的。。。

模型匯總19 強化學習（Reinforcement Learning）演算法基礎及分類

吳恩達-斯坦福CS229機器學習課程-2017（秋）最新課程分享

神經機器翻譯（NMT）的一些重要資源分享

《純乾貨16》調整學習速率以最佳化神經網路訓練

《模型匯總-20》深度學習背後的秘密：初學者指南-深度學習啟用函數大全

模型匯總22 機器學習相關基礎數學理論、概念、模型思維導圖分享