南京大學《量子計算課程》,值得關注!
斯坦福大學 CS224N 深度學習自然語言處理 2021 冬季課程即將開課!
自然語言處理(NLP)或者計算語言學是信息時代最重要的技術之一。從網絡搜索、廣告、電子郵件到客戶服務、語言翻譯、虛擬代理、醫療報告等,NLP 的應用幾乎無處不在。近年來,深度學習(或神經網絡)在許多 NLP 任務上達到了非常高的性能,使用單個端到端神經模型就能完成許多任務,不再需要特定于任務的特征工程。
而提及入門自然語言處理,想必大家都非常熟悉斯坦福大學的公開課 CS224N,它與計算機視覺方面的課程 CS231n 堪稱絕配。CS224N 是一門關于自然語言處理的專項課程,非常系統地介紹自然語言處理任務等相關知識。
機器之心介紹過 CS224N 2019 冬季課程,重點講解了 Transformer 和預訓練表征。今日,斯坦福 NLP Group 宣布 CS224N 深度學習自然語言處理 2021 冬季課程將于當地時間 1 月 12 日開課,授課講師為斯坦福大學教授 Christopher Manning 以及他的三年級博士生 John Hewitt。
課程鏈接://web.stanford.edu/class/cs224n/
該課程全面介紹了 NLP 深度學習的前沿研究。通過講座、作業和結課項目,學生將學到設計、實現和理解各自的神經網絡模型等必要技能。本年度的 CS224n 課程依然使用 PyTorch 授課。
不過遺憾的是,CS224N 2021 冬季課程視頻只對注冊學生開放,課程 PPT 和作業會在網上實時更新。
ML模型無處不在——從交通(自動駕駛汽車)到金融(信用卡或抵押貸款申請)和職業(公司招聘)。然而,ML并非沒有風險。一些重要的風險涉及模型理解和問責:機器學習創建的模型很大程度上是我們難以窺視和理解的黑盒子;他們容易受到不可預見的錯誤、對抗性操縱以及在隱私和公平方面違反倫理規范的影響。
本課程將提供最先進的ML方法的介紹,旨在使人工智能更值得信賴。本課程關注四個概念: 解釋、公平、隱私和健壯性。我們首先討論如何解釋ML模型輸出和內部工作。然后,我們研究了偏差和不公平是如何在ML模型中產生的,并學習了緩解這個問題的策略。接下來,我們將研究模型在不應該泄漏敏感信息的情況下泄漏敏感信息的上下文中的差異隱私和成員關系推斷。最后,我們將討論對抗性攻擊和提供抗對抗性操作的健壯性的方法。
學生將了解一套方法和工具,以部署透明、倫理和魯棒的機器學習解決方案。學生將完成實驗,家庭作業,并討論每周閱讀。
來自昆士蘭大學經典線性代數分析包括線性方程、矩陣等內容,值得關注!
題目
第八屆中國科技大學《計算機圖形學》暑期課程課件
關鍵字
計算機圖像學,教學課件,中國科技大學
簡介
《計算機圖形學前沿進展》(課程編號:001M06)為中國科技大學暑期學期的課程。課程由數學科學學院中科大圖形與幾何計算實驗室(GCL)的張舉勇老師與劉利剛老師及國內外學者共同授課。本年度課程的主題為 “幾何優化、幾何深度學習與三維視覺” 。本次課程的內容涵蓋數值優化、幾何建模、三維重建、三維場景理解、幾何深度學習等內容,內容豐富和前沿,是了解計算機圖形學與三維機器視覺前沿和未來方向的非常難得的機會。若對計算機圖形學中的幾何處理不太熟悉的同學,可提前看一下 劉利剛老師開設的本科生課程《計算機圖形學》( 2013,2014, 2015,2016,2017,2018 )和研究生課程《數字幾何處理》的主頁(其中有較完善的課程課件提供下載 )。
本課程為中國科學技術大學全校性公共選修課程,面向應用數學、計算機科學、信息科學等相關專業的學生,歡迎數學學院、少年班學院、信息學院、計算機學院等學院的本科生高年級學生和研究生來選課 。【注】若本校的本科生需要該課程的學分,只需要在校教務系統中進行選課,而不再需要通過課程的注冊系統進行注冊。本次暑期課程以介紹計算機圖形學與三維視覺領域的最新的研究成果及進展為主,同時兼顧本科生也會介紹該領域的一些基本問題和研究方向,只要有《線性代數》、《微積分》、《數值最優化》、《微分幾何》等課程知識的學生都可以聽懂。
出處
中國科技大學
課程目標 ?理解、記憶模式識別中的基本概念、步驟和方法 ?對重要方法,要能實際應用,并能理解其前提條件、 應用范圍、應用注意事項和方法原理及推導 ?對講授的其他方法,要能理解其含義和使用環境 ?要對模式識別的前沿領域有感性的認識 ?提高目標 ? 進一步能通過獨立閱讀和實踐掌握較深入的問題和方 法,并能應用到學習、研究中遇到的問題中去