課程名稱： Artificial Intelligence: Principles and Techniques
課程簡介：
網絡搜索、語音識別、人臉識別、機器翻譯、自動駕駛和自動調度有什么共同之處?這些都是復雜的現實世界問題，而人工智能(AI)的目標就是用嚴格的數學工具來解決這些問題。在本課程中，您將學習驅動這些應用程序的基本原則，并練習實現其中一些系統。具體的主題包括機器學習、搜索、馬爾科夫決策過程、約束滿足、圖形模型和邏輯。這門課程的主要目標是讓你具備解決生活中可能遇到的新人工智能問題的工具。
課程部分大綱：
- 課程簡介
- 基礎知識
- 機器學習
- 線性分類
- 損失最小化
- 隨機梯度下降法
- 章節:優化，概率，Python(綜述)
- 特性和非線性
- 神經網絡，最近鄰
- 搜索
- 馬爾可夫決策過程
- 政策評估，政策改進
- 策略迭代，值迭代
- 強化學習
- 博弈
- 約束滿足問題(Dorsa, Reid)
- 貝葉斯網絡
- 邏輯
- 結論
講師介紹：
Percy Liang，斯坦福大學計算機科學與統計系副教授，他的研究方向是自然語言處理和統計機器學習。 個人網頁：//cs.stanford.edu/~pliang/
付費5元查看完整內容
相關內容
斯坦福大學的CS 330課程Deep Multi-Task and Meta Learning（深度多任務學習與元學習）正在進行中，官方網站中部分Notes已放出。
雖然深度學習在有監督學習和強化學習問題（如圖像分類、語音識別、游戲等）中獲得了卓越的成果，這些模型在很大程度上都是針對單向任務來進行訓練的。斯坦福大學的CS 330課程Deep Multi-Task and Meta Learning將會覆蓋需要解決多項任務的場景，學習如何有效和高效地利用多任務模型。
付費5元查看完整內容
內容介紹：
計算機科學正在發展，以利用新的硬件，如GPU、TPUs、CPU和大型的集群。許多子領域，如機器學習和優化，已經調整了它們的算法來處理這樣的集群。
主題包括分布式和并行算法:優化、數值線性代數、機器學習、圖形分析、流形算法，以及其他在集群中難以擴展的問題。該類將重點分析程序，并使用Apache Spark和TensorFlow實現一些程序。
本課程將分為兩部分:首先，介紹并行算法的基礎知識和在單多核機器上的運行時分析。其次，我們將介紹在集群機器上運行的分布式算法。
付費5元查看完整內容
分布式算法與優化
·
計算機科學正在發展，以利用新的硬件，如GPU、TPUs、CPU和大型商品集群。許多子領域，如機器學習和優化，已經調整了它們的算法來處理這樣的集群。
課程主題包括分布式和并行算法: 優化、數值線性代數、機器學習、圖分析、流式算法，以及其他在商用集群中難以擴展的問題。該類將重點分析程序，并使用Apache Spark和TensorFlow實現一些程序。
本課程將分為兩部分: 首先，介紹并行算法的基礎知識和在單多核機器上的運行時分析。其次，我們將介紹在集群機器上運行的分布式算法。
地址： //stanford.edu/~rezab/dao/
主講：
Reza Zadeh是斯坦福大學計算與數學工程學院的客座教授，同時也是Matroid公司的CEO。他的主要工作集中于機器學習理論與應用，分布式計算，以及離散數學。
課程目錄：
付費5元查看完整內容
課程介紹：
經濟學、人工智能和優化是一門跨學科課程，將涵蓋經濟學、運籌學和計算機科學交叉的選定主題。在本課程中，一個反復出現的主題是如何通過人工智能和優化方法大規模地使用經濟解決方案。
課程目錄：
- 介紹博弈論和市場設計
- 納什均衡
- 零和博弈，極大極小定理
- 一階方法/在線凸優化/游戲中的遺憾最小化
- 深度學習解決游戲的規模
- 安全游戲
- Stackelberg平衡
- 基本的Stackelberg安全游戲模型
- 混合整數規劃，深度學習的規模
- 應用于機場、野生動物、電網安全
- 市場設計
- 費舍爾市場和市場均衡
- 計算市場均衡的優化方法
- 大型市場的機器學習方法
- 公平分配，課程分配
- 互聯網廣告拍賣
- 頻譜拍賣
付費5元查看完整內容
課程名稱： Introduction to Articial Intelligence
課程簡介：
本課程主要講述了人工智能相關知識，包括基本理論、練習和項目。
課程部分大綱：
- 人工智能導論
- 智能體
- 教程:Python入門
- 通過搜索來解決問題
- 練習1:通過搜索來解決問題
- 項目1:搜索算法
- 約束滿足問題
- 練習2:約束滿足問題
- 游戲對抗性搜索
- 練習3:游戲對抗性搜索
- 表示不確定知識
- 練習4:不確定性下的推理(第1部分)
- 貝葉斯網絡中的推論
- 練習5:不確定性下的推理(第二部分)
- 隨時間推移的推理(第1部分)
- 隨時間推移的推理(第2部分)
講師介紹：
Gilles Louppe是比利時列日大學人工智能和深度學習的副教授。他曾是紐約大學物理系和數據科學中心的博士后助理，與歐洲核子研究中心的阿特拉斯實驗關系密切。他的研究處于機器學習、人工智能和物理科學的交叉點上，他目前的研究興趣包括使用和設計新的機器學習算法，以新的和變革性的方式處理來自基礎科學的數據驅動的問題。
付費5元查看完整內容
課程簡介： 本課程將向學生介紹NLP的基礎知識，涵蓋處理自然語言的標準框架以及解決各種NLP問題的算法和技術，包括最新的深度學習方法。 涵蓋的主題包括語言建模，表示學習，文本分類，序列標記，語法解析，機器翻譯，問題解答等。
課程安排：
- 概述與簡介
- 語言模型
- 文本分類
- 線性模型
- 詞嵌入
- 神經網絡基礎
- 序列模型
- EM模型
- RNN神經語言模型
- 解析介紹
- 機器翻譯
- 神經機器翻譯
- 文本詞嵌入
- 問答系統
- 對話系統
- 嘉賓講座
嘉賓介紹：
陳丹琦，普林斯頓大學計算機科學的助理教授，在此之前，是西雅圖Facebook AI Research（FAIR）的訪問科學家。 斯坦福大學計算機科學系獲得博士學位，并在斯坦福NLP集團工作。研究方向：自然語言處理，文本理解、知識解釋。
Karthik Narasimhan，普林斯頓大學計算機科學系助理教授，研究跨越自然語言處理和強化學習。
付費5元查看完整內容
課程名稱： CS224W: Machine Learning with Graphs
課程簡介：
網絡是對復雜的社會、技術和生物系統建模的基本工具。結合在線社交網絡的出現和生物科學中大規模數據的可用性，本課程重點分析提供了幾個計算、算法和建模挑戰的大規模網絡。學生將學習機器學習技術和數據挖掘工具，通過研究其潛在的網絡結構和相互聯系，揭示對社會、技術和自然世界的洞察。
在本課程中，我們將介紹圖機器學習技術，包括以下主題：
- 食品網絡和金融市場的穩固性和脆弱性;
- 萬維網的算法;
- 圖神經網絡與表示學習
- 生物網絡功能模塊的識別
- 疾病暴發檢測。
課程部分大綱：
- 介紹：圖結構
- 網絡的性質和隨機圖模型
- 復習課：Snap.py和谷歌云教程
- 網絡中的主題和結構角色
- 網絡中的社區結構
- 復習線性代數，概率論和證明技術
- 譜聚類
- 消息傳遞和節點分類
- 圖表示學習
- 圖神經網絡
- 圖神經網絡:動手練習
- 圖的深層生成模型
- 鏈接分析:網頁排名
- 網絡效應和級聯行為
- 概率傳染和影響模型
講師介紹：
Jurij Leskovec是斯坦福大學計算機科學副教授，研究側重于分析和建模大型社區和信息網絡，作為跨社區、技術和自然世界現象的研究。他側重于網絡結構的統計建模、網絡演化、信息傳播、網絡影響和病毒。他所研究的問題是由大規模數據、網絡和其他在線媒體引發的，同樣從事文本挖掘和機器學習的應用。個人官網：
下載索引：鏈接：
付費5元查看完整內容
主題： Introduction to Machine Learning
課程簡介： 機器學習是指通過經驗自動提高性能的計算機程序（例如，學習識別人臉、推薦音樂和電影以及驅動自主機器人的程序）。本課程從不同的角度介紹機器學習的理論和實用算法。主題包括貝葉斯網絡、決策樹學習、支持向量機、統計學習方法、無監督學習和強化學習。本課程涵蓋理論概念，例如歸納偏差、PAC學習框架、貝葉斯學習方法、基于邊際的學習和Occam的剃刀。編程作業包括各種學習算法的實際操作實驗。這門課程的目的是讓一個研究生在方法論，技術，數學和算法方面有一個徹底的基礎，目前需要的人誰做的機器學習的研究。
邀請嘉賓： Hal Daumé III，紐約市微軟研究院的研究員，是機器學習小組的一員；他也是馬里蘭大學的副教授。他主要從事自然語言處理和機器學習。
Matt Gormley，卡內基梅隆大學計算機科學學院機器學習部（ML）助教。
Roni Rosenfeld，卡內基梅隆大學計算機學院機器學習系教授兼主任，個人主頁：//www.cs.cmu.edu/~roni/。等
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191