伯克利深度无监督学习更新 | 第一讲(下):基于似然的模型: 自回归模型

栏目: 数据库 · 发布时间: 4年前

内容简介:AI 研习社获得官方授权,我们先来一睹为快——

伯克利深度无监督学习更新 | 第一讲(下):基于似然的模型: 自回归模型

AI 研习社获得官方授权, 伯克利 CS 294-158 《深度无监督学习》中英字幕 版,今天更新至第一讲的第二部分(课程总时长:1 h 08 min)~

我们先来一睹为快——

第一讲 Part B

基于似然的模型: 自回归模型

上手视频约 6 分钟

翻译 | 戴斌  孙稚昊  林思南     字幕 | 酱番梨

看完是不是不够过瘾!

请扫描下方二维码,加入官方学习小组

即可观看完整视频

↓  ↓  ↓

伯克利深度无监督学习更新 | 第一讲(下):基于似然的模型: 自回归模型

回复字幕君(微信:leiphonefansub)

你加入该课程小组的截图

伯克利深度无监督学习更新 | 第一讲(下):基于似然的模型: 自回归模型

我们将你拉入微信群聊

伯克利深度无监督学习更新 | 第一讲(下):基于似然的模型: 自回归模型

加我时备注“无监督加群”~

译者招募 :这门课程的翻译志愿者持续招募中,如果你感兴趣,可以联系字幕君报名自荐字幕翻译工作,请备注:报名无监督翻译~

丰富的课程内容

本课程将涵盖深度学习中不需要标注数据的两个领域: 深度生成模型自监督学习 。生成模型的最新进展使得对自然图像、音频波形和文本语料库等高维原始数据进行真实建模成为可能。自监督学习的进步已经开始缩小监督表示学习和非监督表示学习之间的差距,本课程将涵盖这些主题的理论基础以及它们的新应用。

论文涉及GAN、VAE、降噪、自回归、强化学习、自监督学习等等,课程历时15周完成。

课程官网:https://sites.google.com/view/berkeley-cs294-158-sp19/home

伯克利深度无监督学习更新 | 第一讲(下):基于似然的模型: 自回归模型

   专业的讲师阵容

Pieter Abbeel,加州大学伯克利分校教授、机器人学习实验室主任,伯克利人工智能研究(BAIR)实验室联合主任。

Pieter Abbeel是机器人和强化学习领域的大牛。Pieter Abbeel 2008年从斯坦福大学获得博士学位,师从百度前首席科学家 Andrew Ng(吴恩达),毕业后在UC Berkeley任教。

2016~2017年,Pieter Abbeel加入Open AI,任研究科学家。现在则是Open AI顾问。

Pieter Abbeel还是两家AI公司的创始人,Gradescope和covariant.ai。

Pieter Abbeel 的研究重点集中于如何让机器人向人类学习(学徒学习),如何让机器人通过自己的试错过程学习(强化学习),以及如何通过从learning-to-learn(元学习)过程中加快技能获取。他开发的机器人已经学会了先进的直升机特技飞行、打结、基本装配、叠衣服、移动、以及基于视觉的机器人操作。

其他三位助教Peter Chen、Rocky Duan和Tianhao Zhang三人目前都是伯克利的博士生。

先修要求:       

有丰富的概率、优化、深度学习经验。

课程截图

伯克利深度无监督学习更新 | 第一讲(下):基于似然的模型: 自回归模型

伯克利深度无监督学习更新 | 第一讲(下):基于似然的模型: 自回归模型

伯克利深度无监督学习更新 | 第一讲(下):基于似然的模型: 自回归模型

伯克利深度无监督学习更新 | 第一讲(下):基于似然的模型: 自回归模型

伯克利深度无监督学习更新 | 第一讲(下):基于似然的模型: 自回归模型

伯克利深度无监督学习更新 | 第一讲(下):基于似然的模型: 自回归模型

是不是很心动?加入AI 研习 CS294-158深度无监督学习小组 即可观看完整视频,随时随地观看名校课程,邂逅众多学霸!共享笔记!

课程大纲:

Week 1

第1a讲: 课程安排

第1b讲: 课程动机

第1c讲: 基于似然的模型 Part I: 自回归模型

Week 2

第2a讲: 基于似然的模型 Part I: 自回归模型 (ctd)

第2b讲: 无损压缩(Lossless Compression)

第2c讲: 基于似然的模型 Part II: 流模型

Week 3

第3a讲:基于似然的模型 Part II:流模型(ctd)

第3b讲:隐变量模型

Week 4

第4a讲:隐变量模型(ctd)(与第3周ppt相同)

第4b讲:比特编码/位反编码

Week 5

第5讲:隐式模型/生成对抗网络

Week 6

第六讲:非生成性表征学习

Week 7

第7a讲:非生成表征学习(ctd)

第7b讲:半监督学习

Week 8

第8讲:表征学习+其他问题

Week 9

第9a讲:无监督分布对齐

第9b讲:客座讲座:Ilya Sutskever

Week 10

第10a讲:无监督分配对齐(ctd)

第10b讲:客座讲座:Durk Kingma

Week 11

第11讲:语言模型(Alec Radford)

Week 12

第12a讲:无监督的表征学习

第12b讲:客座讲座Alyosha Efros

Week 13

第13a讲:待定(TBD)

第13b讲:客座讲座Aaron van den Oord

Week 14

无课

Week 15

期末项目报告

是不是很心动?加入AI 研习 CS294-158深度无监督学习小组 即可观看完整视频,随时随地观看名校课程,邂逅众多学霸!共享笔记!

AI研习社小组介绍

「小组」功能上线后,AI 研习社推出了一系列的激励计划,鼓励各位组员学习视频课程,表现积极的学员还将获得由 AI 研习社提供的实物福利,甚至参加国内外峰会的学习机会哦!赶快将“AI研习小组”小程序添加到“我的小程序”吧!

伯克利深度无监督学习更新 | 第一讲(下):基于似然的模型: 自回归模型

相关课程

除了这门课程外,AI 研习社还为热爱 AI 的你提供了以下国外院校AI必看经典课程:

想下载这门课程的官方PPT课件资料,在后台回复“ 无监督 课件 ”就能获得下载链接,完全免费!

伯克利深度无监督学习更新 | 第一讲(下):基于似然的模型: 自回归模型

你可能还想看

伯克利深度无监督学习更新 | 第一讲(下):基于似然的模型: 自回归模型

  点击 阅读原文 ,直接跳转免费观看


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

The Seasoned Schemer

The Seasoned Schemer

Daniel P. Friedman、Matthias Felleisen / The MIT Press / 1995-12-21 / USD 38.00

drawings by Duane Bibbyforeword and afterword by Guy L. Steele Jr.The notion that "thinking about computing is one of the most exciting things the human mind can do" sets both The Little Schemer (form......一起来看看 《The Seasoned Schemer》 这本书的介绍吧!

HTML 编码/解码
HTML 编码/解码

HTML 编码/解码

XML、JSON 在线转换
XML、JSON 在线转换

在线XML、JSON转换工具

正则表达式在线测试
正则表达式在线测试

正则表达式在线测试