286页PDF教你如何搞明白深度学习的算法、理论与计算系统！(可下载)

原文 | 专知

如何将深度学习等AI算法应用到实际场景里，不是一件容易的事情。 结合Petuum, 邢波教授在7月份深度学习夏令营分享了关于从统计机器学习视角理解深度学习的算法、理论与可扩展计算(A Statistical Machine Learning Perspective of Deep Learning: Algorithm, Theory, Scalable Computing), 这一份Slides 286页, 非常全面, 是一份结合学术研究和实际应用的详实参照学习材料，不可不看.

统计机器学习视角下的深度学习:算法，理论，可扩展计算

这一份286页的教程slides从统计机器学习视角阐述了深度学习的算法、理论和分布式深度学习架构，内容丰富详实。首先一观邢波教授创立的Petuum人工智能/机器学习架构图，分别包含平台硬件层、系统层、实现层、算法层、模型层和任务应用层。

整个报告包括深度学习与图模型的基础知识、深度生成模型、计算机制三大部分。

第一部分着重讲述关于图模型、深度学习的基础、相似性区别和联合建模。结论部分点出图模型注重推理而深度学习注重学习表示。

第二部分讲述深度生成模型

第三部分 推断和学习以及分布式深度学习

附PPT部分原文：