2019最新-UC Berkeley-《深度学习入门课程》分享

2019年3月24日 0条评论 227次阅读 0人点赞 9suan

分享一门UC Berkeley的深度学习实战的新课，课程资料比较全，包括了课程的视频、ppt以及配套的代码、参考书籍（中文版），绝对值得推荐、学习。

课程主页

http://courses.d2l.ai/berkeley-stat-157/index.html

课程介绍

本课程是一门讲解深度学习偏实践的课程，包括算法的理论基础以及如何在实践中实现。作为课程的一部分，我们将讲解多层感知器、反向传播、自动微分和随机梯度下降。此外，我们讲解如何用卷积网络进行图像处理，从简单的LeNet开始，到更新的网络体系结构，如用于高精度模型的ResNet。其次，我们讨论了序列模型和循环网络，如LSTMs、GRU和注意机制。在整个课程中，我们强调高效的实现、优化和可扩展性，例如针对多个GPU和多台机器优化加速。本课程的目标是提供一个很好的理解和建立现代非参数估计的能力。

文末附课程已开放课程视频及ppt下载地址。

课程安排