本課程涉及深度學習和表示學習的最新技術,重點是有監督和無監督的深度學習、嵌入方法、度量學習、卷積網和遞歸網,并應用于計算機視覺、自然語言理解和語音識別。
● Course public folder: bit.ly/DLSP20.
● Class material available
● Piazza Q&A interface available here. Sign-up token: DLSP20.
Yann LeCun(//www.zhuanzhi.ai/topic/20021)
在人工智能研究領域,Yann LeCun、Geoffrey Hinton 和 Yoshua Bengio一直被公認為深度學習三巨頭,一起獲得2018年圖靈獎。
Yann LeCun,自稱中文名“楊立昆”,計算機科學家,被譽為“卷積網絡之父”,為卷積神經網絡(CNN,Convolutional Neural Networks)和圖像識別領域做出了重要貢獻,以手寫字體識別、圖像壓縮和人工智能硬件等主題發表過 190 多份論文,研發了很多關于深度學習的項目,并且擁有14項相關的美國專利。他同Léon Bottou和Patrick Haffner等人一起創建了DjVu圖像壓縮技術,同Léon Bottou一起開發了一種開源的Lush語言,比Matlab功能還要強大,并且也是一位Lisp高手。(Backpropagation,簡稱BP)反向傳播這種現階段常用來訓練人工神經網絡的算法,就是 LeCun 和其老師“神經網絡之父”Geoffrey Hinton 等科學家于 20 世紀 80 年代中期提出的,而后 LeCun 在貝爾實驗室將 BP 應用于卷積神經網絡中,并將其實用化,推廣到各種圖像相關任務中。
下載鏈接:鏈接: 提取碼: i3ed
本課程涉及深度學習和表示學習的最新技術,重點是有監督和無監督的深度學習、嵌入方法、度量學習、卷積網和遞歸網,并應用于計算機視覺、自然語言理解和語音識別。
第五講:
第六講:
第七講:
課程簡介
Geoffrey Hinton《神經網絡機器學習》經典課程共有16節,基本涵蓋了神經網絡相關的各個知識點,包括神經網絡、神經元模型、感知機、反向傳播算法等,雖然課程中有些算法已經過時,但其中的理論基礎仍然在為今天的各類主流算法提供著可靠的支持,對于算法研究者來說,有助于加深對這一領域的理解,并對未來的研究方向起到一定的借鑒意義。
課程講師:Geoffrey Hinton
講師簡介
Geoffrey Hinton,被稱為“神經網絡之父”、“深度學習鼻祖”,他曾獲得愛丁堡大學人工智能的博士學位,并且為多倫多大學的特聘教授。在2012年,Hinton還獲得了加拿大基廉獎(Killam Prizes,有“加拿大諾貝爾獎”之稱的國家最高科學獎)。2013年,Hinton 加入谷歌并帶領一個AI團隊,他將神經網絡帶入到研究與應用的熱潮,將“深度學習”從邊緣課題變成了谷歌等互聯網巨頭仰賴的核心技術,并將反向傳播算法應用到神經網絡與深度學習。
個人主頁:
Geoffrey Hinton://www.cs.toronto.edu/~hinton/