精品文章,第一时间送达
![14周无监督学习课程,UC伯克利出品,含课件、视频 14周无监督学习课程,UC伯克利出品,含课件、视频](https://panchuang.net/wp-content/uploads/2019/11/7-1573309522.jpeg)
作者:郑丽慧
转载自:机器之心,未经允许不得二次转载
这份来自 UC 伯克利最新的无监督深度学习 CS294-158 课程总共 14 周,资源中包括 YouTube 高清视频和课件,绝对是不容错过的学习课程。
![14周无监督学习课程,UC伯克利出品,含课件、视频 14周无监督学习课程,UC伯克利出品,含课件、视频](https://panchuang.net/wp-content/uploads/2019/11/3-1573309522.png)
这份课程涵盖了两个无需标签数据的深度学习领域:深度生成模型(Deep Generative Models)和自监督学习(Self-supervised Learning)。生成模型的最新进展使得可以对高维原始数据进行逼真的建模,例如自然图像,音频波形和文本语料库;自我监督学习的进步已经开始缩小监督表征学习与无监督表征学习之间的差距,以微调未见任务。
本课程将涵盖这些主题的理论基础及其新启用的应用程序,你可以观看 YouTube 讲座视频,还可以下载课件的 PDF 版。
课程链接:https://sites.google.com/view/berkeley-cs294-158-sp19/home
这门课程的导师共有 4 位,分别是 Pieter Abbeel、Peter Chen、Jonathan Ho 和 Aravind Srinivas。
从左至右分别是 Pieter Abbeel、Peter Chen、Jonathan Ho 和 Aravind Srinivas。
自 2008 年起,Pieter Abbeel 就在加州伯克利任教,是加州伯克利机器人实验室的负责人,也是机器人公司 covariant.ai 的联合创始人,是机器人领域的专家。
陈曦(Peter Chen)、何俊森(Jonathan Ho)、阿拉维·斯里尼瓦斯(Aravind Srinivas)三人均为 Pieter Abbeel 名下的博士研究生。
课程 2a:基于似然的模型 I:自回归模型(ctd)(与第 1 周幻灯片相同)
课程 3a:基于似然的模型 II:流模型(ctd)(与第二周幻灯片相同)
课程 5a:潜在模型变量总结(和潜在模型变量 II 幻灯片相同)
课程 5b:ANS 编码(和 Bits-Back 编码的幻灯片相同)
课程 6a:隐式模型/生成对抗网络(与 5c 幻灯片相同)
课程 7:非生成式表现学习(与 6b 幻灯片相同)
课程 8c:伊利亚·苏茨克弗(Ilya Sutskever)嘉宾课程
课程 9b:阿约沙·埃夫罗斯(Alyosha Efros)嘉宾课程
课程 12:亚伦·范登奥德(Aaron van den Oord)嘉宾课程(幻灯片不可用)
长按扫码,关注我们
磐创AI:http://www.panchuangai.com/
智能客服:http://www.panchuangai.com/
TensorFlow:http://panchuang.net
推荐关注公众号:磐创AI
原创文章,作者:fendouai,如若转载,请注明出处:https://panchuang.net/2019/11/09/ba05be30da/