MIT最新课程:一文看尽深度学习各领域最新突破(附视频、PPT)

640?wx_fmt=png

来源:MIT、Youtube、新智元

编辑:三石

本篇文章是MIT系列课程之一,有关深度学习最新进展的讲座。包括BERT、特斯拉自动驾驶仪硬件中的大规模神经网络、AdaNet、AutoAugment、BigGAN等12大类。


640?wx_fmt=png


想要了解深度学习各领域的最新进展?


看个视频就足矣。


本文所介绍的内容是MIT系列课程之一,是有关深度学习最新进展的讲座。可以说,该课程的内容定义了这个领域的最前沿的技术。


课程提纲


  • BERT和自然语言处理

  • 特斯拉自动驾驶仪硬件v2+:大规模神经网络

  • AdaNet:集成的AutoML

  • AutoAugment:深度强化学习数据增强

  • 用合成数据训练深度网络

  • 使用Polygon-RNN ++进行分割注释(Segmentation Annotation)

  • DAWNBench:高速、低代价训练

  • BigGAN: 图像合成中的最先进技术

  • Video-to-Video合成

  • 语义分割

  • Alpha Zero和Open AI Five

  • 深度学习框架


下面是新智元为读者整理的课程视频资料:



当然,不愿意看视频的同学,新智元还整理了该课程的PPT资料,下载地址如下:

https://www.dropbox.com/s/v3rq3895r05xick/deep_learning_state_of_the_art.pdf?dl=0


BERT和自然语言处理


编码器-解码器架构


640?wx_fmt=png


注意力机制


640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png


Transformer


640?wx_fmt=png


词嵌入向量


640?wx_fmt=png

上下文感知嵌入


640?wx_fmt=png


OpenAI Transformer


640?wx_fmt=png


BERT


640?wx_fmt=png


640?wx_fmt=png


特斯拉自动驾驶仪硬件v2+:大规模神经网络


640?wx_fmt=png

640?wx_fmt=png


AdaNet:集成的AutoML


640?wx_fmt=png

640?wx_fmt=png


AutoAugment:深度强化学习数据增强


640?wx_fmt=png


用合成数据训练深度网络


640?wx_fmt=png


使用Polygon-RNN ++进行分割注释(Segmentation Annotation)


640?wx_fmt=png


DAWNBench:高速、低代价训练


640?wx_fmt=png


BigGAN: 图像合成中的最先进技术


640?wx_fmt=png


Video-to-Video合成


640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png


语义分割


640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png


Alpha Zero和Open AI Five


640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png


深度学习框架


640?wx_fmt=png

640?wx_fmt=png

∞∞∞

640?wx_fmt=png

公众号回复“IT派”

邀你加入 IT派 { 深广创投圈 } 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 Introduction and scope 2 Reasoning: goal trees and problem solving 3 Reasoning: goal trees and rule-based expert systems 4 Search: depth-first, hill climbing, beam 5 Search: optimal, branch and bound, A* 6 Search: games, minimax, and alpha-beta 7 Constraints: interpreting line drawings 8 Constraints: search, domain reduction 9 Constraints: visual object recognition 10 Introduction to learning, nearest neighbors 11 Learning: identification trees, disorder 12 Learning: neural nets, back propagation 13 Learning: genetic algorithms 14 Learning: sparse spaces, phonology 15 Learning: near misses, felicity conditions 16 Learning: support vector machines 17 Learning: boosting 18 Representations: classes, trajectories, transitions 19 Architectures: GPS, SOAR, Subsumption, Society of Mind 20 The AI business 21 Probabilistic inference I 22 Probabilistic inference II 23 Model merging, cross-modal coupling, course summary PROBLEM SETS TOPICS CODE FILES Problem Set 0 (PDF) Python programming, symbolic algebra Code for Problem Set 0 (ZIP) (This ZIP file contains: 5 .py files.) Problem Set 1 (PDF) Forward chaining, backward chaining and goal trees Code for Problem Set 1 (ZIP) (This ZIP file contains: 7 .py files.) Problem Set 2 (PDF) Search, using heuristics, optimal search, graph heuristics Code for Problem Set 2 (ZIP) (This ZIP file contains: 5 .py files.) Problem Set 3 (PDF) Game search Code for Problem Set 3 (ZIP) (This ZIP file contains: 7 .py files.) Problem Set 4 (PDF) Constraint satisfaction problems, k-nearest neighbors, decision trees Code for Problem Set 4 (ZIP) (This ZIP file contains: 12 .py files, 6 .ord files, 4 .csv files and 2 .dat files. sudoku_csp.py is courtesy of Justin Cullen, and is used with permission.) Problem Set 5 (PDF) Neural nets, boosting Code for Problem Set 5 (ZIP - 1.2MB) (This ZIP file contains: 12 .py files, 2 .dat files, 5 .csv files, 6 .ord files, 1 .out file, and 9 .tab files.)

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值