286页PDF教你如何搞明白深度学习的算法、理论与计算系统！

【导读】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。2016年，卡耐基梅隆大学计算机科学院的终身教授邢波（Eric Xing）在匹兹堡创办了Petuum，他致力于创建一个平台，通过自定义的虚拟化和操作系统构建机器学习和深度学习应用程序，为企业提供所需的机器学习工具。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。

邢波（Eric Xing）

邢波（Eric Xing）是卡耐基梅隆大学教授，曾于2014年担任国际机器学习大会（ICML）主席。主要研究兴趣集中在机器学习和统计学习方法论及理论的发展，和大规模计算系统和架构的开发。

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：

资料领取方式

关注公众账号【飞马会】

即可查看下载方式

飞马会

AI人工智能/大数据/技术管理等人员学习交流园地