李沐老师在伯克利开新课了,深度学习教材已经开源,视频也会有的

栗子 发自 凹非寺 量子位 报道 | 公众号 QbitAI

李沐老师的新课,这个月就要在伯克利开讲了。

这是一门深度学习基础课,一周两节;每节课后,都会有课堂视频放出。

课程内容,大致是按照李沐老师的开源新书《动手学深度学习》来安排的 (但和去年放出的同名课程并不一样) 。

除了沐神,另外一位讲师是这本书的共同作者、亚马逊的同事Alex Smola。

从基础到高难

课程会从基础概念开始讲起。

比如,数学和统计学范畴的链式法则、贝叶斯定理、逻辑回归等等。

比如,深度学习入门需要的批尺寸 (Batch Size) 、学习率(Learning Rate) 、多层感知器 (MultiLayer Perceptrons) 、反向传播、随机梯度下降等等。

在那之后,便会走进神经网络的世界。

先是卷积网络(CNN) ,从简单的LeNet开始,到ResNet这类用来做高精度模型的架构。

再来就是序列模型 (Sequence Models) 和循环网络 (RNN) 。LSTM、GRU以及注意力机制都会在这里登场。

5月,就要搭建大规模视觉模型了

作为一门注重实践的课程,课程表里有四节课标注了Making it Work,那便是老师向同学们传授实现大法的时候。

以及,这门课完全基于Jupyter Notebook,每节课的内容,都有代码可以运行。

所以,就算没有标注Making it Work,也可以自行实践 (比如下面这个皮卡丘检测活动) 。

另外,每周都会有作业题目放到网上。温馨提示,这是一门需要不停写代码的、强度很大的课。

需要注意的是,虽然是基础课,大家也要携带Python基础,一点点线代基础,一点点统计学基础,再来上课。毕竟,这些部分不会讲得太细。

先预习一下?

1月22日,新课才会开讲。

现在,虽然还没有视频 (开学就有了) ,也没有留作业,但最新版教材已经开源了啊

英文版叫Dive into Deep Learning,就是课程制定教材。

中文版叫《动手学深度学习》,这下没有借口了:

老师没来,大家就先预习吧:不光有正文,还有GitHub项目,以及Jupyter Notebook

以及,去年李沐老师还有教材同名课程放出,所有视频都在等你。

新课GitHub传送门: https://github.com/diveintodeeplearning/berkeley-stat-157

新课视频列表 (待填坑) 传送门: https://www.youtube.com/playlist?list=PLZSO_6-bSqHQHBCoGaObUljoXAyyqhpFW

教材传送门: http://www.d2l.ai/ (英) http://zh.d2l.ai/ (中)

旧课传送门: https://discuss.gluon.ai/t/topic/753

原文发布于微信公众号 - 量子位(QbitAI)

原文发表时间:2019-01-07

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区