碎碎念
最近因为要进组改一下研究方向,需要温习之前在glasgow学习的深度学习。(当时知道扩散模型和生成模型不怎么考,于是没怎么学)。
忽然发现glasgow的课程全部资料被学校删掉了。于是寻找平替。
研究向的自我学习顺序
本身是自学发表sci然后又去搞研究的所以对于独自研究,入门有一定的经验。
学习知识的难易程度从论文,文本资料,视频从难到易。而其知识的新鲜性则与学习知识的难易程度相反。
比如当下最新的研究成果你只能读取最新的文献,而教学视频展示的可能是经典,但是有点落后的研究成果。
选择学校的官方课程则是对两者的一种综合,学校最近一学年的教学视频可以紧跟研究动态且深入原理讲解经典算法。最重要的是,可以对这个领域有一定正确的认知,这对之后凭直觉去做假设很有用。(因为教授本身即领域强一些的学者)
研究向大学课程网课
文字阐述完毕。
上实际结果:
阿姆斯特丹大学人工智能硕士深度学习2022秋季课程
这个和glasgow的课程设置一模一样,可以说是无缝衔接了。而且还有VAE发明大牛max welling的客座讲座。
Deep Learning1
视频:
https://www.youtube.com/watch?v=vQ1zxWcK318&list=PLu510v7B3XLMSeLaIBLylKYzFYKPLD1K1&index=8
Deep Learning2(:这个课程不含在人工智能硕士里面,这个似乎是各个研究领域的热点深入)
视频:
群等变深度学习:https://www.youtube.com/watch?v=4ejWLiX4sqo&t=6s
自我监督和视觉语言学习:https://www.youtube.com/watch?v=6P29b2UvVTg
对应课件和代码练习(Pytorch/JAX+Flax):
https://uvadlc-notebooks.readthedocs.io/en/latest/
MIT 深度学习介绍:
如题所示,和glasgow课程结构不太一样,而且偏tensorflow这种工业用框架。可能只是浅一点的知识层,毕竟大部分科研代码还是pytorch的多。
https://www.youtube.com/watch?v=3G5hWM6jqPk
课件和lab(Tensorflow):
http://introtodeeplearning.com/
苏黎世联邦理工学院 | 科学计算中的深度学习 2023:
https://www.youtube.com/watch?v=y6wHpRzhhkA&list=PLJkYEExhe7rYY5HjpIJbgo-tDZ3bIAqAm
这个给你们看看课表就知道。。。某个细分领域的深度学习。
第 2 讲:深度学习简介第 1 部分
• 苏黎世联邦理工学院 DLSC:深度简介…
第 3 讲:深度学习简介第 2 部分
• 苏黎世联邦理工学院 DLSC:深度简介…
第 4 讲:基于物理的神经网络 - 简介
• 苏黎世联邦理工学院 DLSC:物理知识神经…
第 5 讲:物理信息神经网络 - 应用
• 苏黎世联邦理工学院 DLSC:物理知识神经…
第 6 讲:基于物理的神经网络 - 限制和扩展
• 苏黎世联邦理工学院 DLSC:物理知识神经…
第 7 讲:算子学习简介第 1 部分
• 苏黎世联邦理工学院 DLSC:操作简介…
第8讲:算子学习简介第2部分
• 苏黎世联邦理工学院 DLSC:操作简介…
第 9 讲:深度算子网络
• 苏黎世联邦理工学院 DLSC:深度运营商网络
第10讲:神经算子
• 苏黎世联邦理工学院 DLSC:神经算子
第11讲:傅里叶神经算子和卷积神经算子
• 苏黎世联邦理工学院 DLSC:傅立叶神经歌剧…
第 12 讲:可微物理简介第 1 部分
• 苏黎世联邦理工学院 DLSC:差异简介…
第 13 讲:可微物理简介第 2 部分
• 苏黎世联邦理工学院 DLSC:差异简介…