纽约大学：《深度学习》2021年课程全部在线可看！含中文课件

↓↓↓点击关注，回复资料，10个G的惊喜

文章编辑 机器学习与推荐算法

Yann LeCun在纽约大学数据科学中心（CDS）主讲的《深度学习》
2021年春季课程现已全部在线可看！

该课程自2021年春季开始由Yann LeCun与Alfredo Canziani等共同执教。



CDS发布了Yann LeCun的深度学习（DS-GA 1008）课程的所有材料，包括带英文字幕教学视频、书面讲义、课件以及带有PyTorch实现的可执行Jupyter Notebooks。

课程关注深度学习和表示学习的最新技术，
重点关注有监督和无监督深度学习、嵌入方法、度量学习、
卷积和循环网，以及在计算机视觉、自然语言理解和语音识别方面的应用。
前提条件包括:DS-GA 1001数据科学入门或研究生水平的机器学习课程。

地址：https://cds.nyu.edu/deep-learning/


资源
YouTube视频：https://www.youtube.com/watch?v=mTtDfKgLm54
官方中文版讲义：https://atcold.github.io/pytorch-Deep-Learning/zh/
课件：https://github.com/Atcold/NYU-DLSP21
GitHub：hhttps://atcold.github.io/NYU-DLSP21/
Reddit论坛：https://www.reddit.com/r/NYU_DeepLearning/


授课老师：


目录内容：
Theme 1: Introduction
History and resources 🎥 🖥
Gradient descent and the backpropagation algorithm 🎥 🖥
Neural nets inference 🎥 📓
Modules and architectures 🎥
Neural nets training 🎥 🖥 📓📓
Homework 1: backprop
Theme 2: Parameters sharing
Recurrent and convolutional nets 🎥 🖥 📝
ConvNets in practice 🎥 🖥 📝
Natural signals properties and the convolution 🎥 🖥 📓
Recurrent neural networks, vanilla and gated (LSTM) 🎥 🖥 📓📓
Homework 2: RNN & CNN
Theme 3: Energy based models, foundations
Energy based models (I) 🎥 🖥
Inference for LV-EBMs 🎥 🖥
What are EBMs good for? 🎥
Energy based models (II) 🎥 🖥 📝
Training LV-EBMs 🎥 🖥
Homework 3: structured prediction
Theme 4: Energy based models, advanced
Energy based models (III) 🎥 🖥
Unsup learning and autoencoders 🎥 🖥
Energy based models (VI) 🎥 🖥
From LV-EBM to target prop to (any) autoencoder 🎥 🖥
Energy based models (V) 🎥 🖥
AEs with PyTorch and GANs 🎥 🖥 📓📓
Theme 5: Associative memories
Energy based models (V) 🎥 🖥
Attention & transformer 🎥 🖥 📓
Theme 6: Graphs
Graph transformer nets [A][B] 🎥 🖥
Graph convolutional nets (I) [from last year] 🎥 🖥
Graph convolutional nets (II) 🎥 🖥 📓
Theme 7: Control
Planning and control 🎥 🖥
The Truck Backer-Upper 🎥 🖥 📓
Prediction and Planning Under Uncertainty 🎥 🖥
Theme 8: Optimisation
Optimisation (I) [from last year] 🎥 🖥
Optimisation (II) 🎥 🖥 📝
Miscellaneous
SSL for vision [A][B] 🎥 🖥
Low resource machine translation [A][B] 🎥 🖥
Lagrangian backprop, final project, and Q&A 🎥 🖥 📝


深度学习概要

推荐阅读

用Python学线性代数：自动拟合数据分布
Python 用一行代码搞事情，机器学习通吃
Github 上最大的开源算法库，还能学机器学习！
JupyterLab 这插件太强了，Excel灵魂附体
终于把 jupyter notebook 玩明白了
一个超好用的 Python 标准库，666 
几百本编程中文书籍（含Python）持续更新

好文点个在看吧！