全球名校AI课程库(9)| Berkeley伯克利 · 深度无监督学习课程『Deep Unsupervised Learning』

简介: 研究生级课程,围绕无监督学习的场景展开,包括深度生成模型和自监督学习两大主题,涵盖了许多当前的最新研究和模型。
CS294-158; Deep Unsupervised Learning; 深度无监督学习
🏆 课程学习中心 | 🚧 其他名校AI课程合辑 | 🌍 课程主页 | 📺 中英字幕视频 | 🚀 项目代码解析


课程介绍

深度学习的研究方向包括一个非常重要的主题:对无标签数据的应用。CS294 是顶级名校 UC 伯克利的课程,针对无监督学习的场景展开,包括深度生成模型自监督学习两大主题。其中,生成模型使得对自然图像、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;而自监督学习算法在逐步缩小监督表示学习和非监督表示学习之间的差距。

CS294-158; Deep Unsupervised Learning; 深度无监督学习

根据视频内容整理的这份『CS294 课程结构图解』,展示了内容要点及其逻辑关系,超级直观!相信对构建 Whole Picture 特别有帮助~

CS294-158; Deep Unsupervised Learning; 深度无监督学习

CS294 课程涵盖了许多当前的最新研究和模型,是研究生级课程。对无监督学习和深度学习感兴趣的小伙伴可以重点关注这门课程。

课程讲师 Pieter Abbee,UC伯克利教授和人工智能实验室(BAIR)主任,OpenAI顾问,covariant.ai联合创始人。


课程主题

课程官网发布了课程主题,ShowMeAI 对其进行了翻译。

  • Autoregressive Models(自回归模型
  • Flow Models(流模型
  • Latent Variable Models(变分自动编码器
  • Generative Adversarial Networks(生成对抗网络
  • Self-Supervised Learning(自监督学习
  • Semi-Supervised Learning(半监督学习
  • Unsupervised Distribution Alignment(无监督分布对齐
  • Compression(压缩
  • Learning from Text (OpenAI)(文本学习
  • Representation Learning in Reinforcement Learning(表征学习


课程资料 | 下载

CS294-158; Deep Unsupervised Learning; 深度无监督学习

扫描上方图片二维码,关注公众号并回复关键字 🎯『CS294』,就可以获取整理完整的资料合辑啦!当然也可以点击 🎯 这里 查看更多课程的资料获取方式!

CS294-158; Deep Unsupervised Learning; 深度无监督学习

ShowMeAI 对课程资料进行了梳理,整理成这份完备且清晰的资料包:

  • 📚 课件(PDF)。Lecture 1~23所有章节。
  • 📚 课程示例代码(.ipynb文件)。可colab运行。
  • 📚 课程作业与解答(.ipynb文件)。Homework 1~4。可colab运行。
  • 📚 deepul(.py文件)。示例代码与作业辅助函数


课程视频 | B站

frameLabelStart--frameLabelEnd

🌍 B站 | 【双语字幕+资料下载】伯克利CS294 | 深度无监督学习(2020最新·全12讲)

ShowMeAI 将视频上传至B站,并增加了中英双语字幕,以提供更加友好的学习体验。点击页面视频,可以进行预览。推荐前往 👆 B站 观看完整课程视频哦!


全球名校AI课程合辑

作者ShowMeAI内容团队
阅读原文https://www.showmeai.tech/article-detail/344

e9190f41b8de4af38c8a1a0c96f0513b~tplv-k3u1fbpfcp-zoom-1.image

目录
相关文章
|
18天前
|
机器学习/深度学习 人工智能 数据可视化
何恺明CV课程 | AI大咖说
麻省理工学院(MIT)电气工程与计算机科学系(EECS)副教授何恺明开设了两门精彩课程:“Advance in Computer Vision”和“Deep Generative Models”。何恺明是计算机视觉和深度学习领域的杰出科学家,曾提出深度残差网络(ResNet)等重要成果。这两门课程不仅涵盖了最新的研究前沿,还由何恺明亲自授课,内容涉及卷积神经网络、生成对抗网络、变分自编码器等,是学习计算机视觉和生成模型的宝贵资源。
56 8
|
2月前
|
人工智能 算法 前端开发
首个 AI 编程认证课程上线!阿里云 AI Clouder 认证:基于通义灵码实现高效 AI 编码
为了帮助企业和开发者更好使用通义灵码,阿里云上线了“AI Clouder 认证课程--基于通义灵码实现高效 AI 编码”。本课程汇聚了后端、前端、算法领域 5 名实战派专家,带你体验 4 大研发场景实践,上手 3 大实操演练,深度掌握智能编码助手通义灵码,实现全栈 AI 编码技能跃升。
|
2月前
|
人工智能 算法 前端开发
首个 AI 编程认证课程上线!阿里云 AI Clouder 认证:基于通义灵码实现高效 AI 编码
为了帮助企业和开发者更好使用通义灵码,阿里云上线了“AI Clouder 认证课程--基于通义灵码实现高效 AI 编码”。本课程汇聚了后端、前端、算法领域 5 名实战派专家,带你体验 4 大研发场景实践,上手 3 大实操演练,深度掌握智能编码助手通义灵码,实现全栈 AI 编码技能跃升。
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
|
4月前
|
机器学习/深度学习 人工智能 数据可视化
10个用于可解释AI的Python库
10个用于可解释AI的Python库
|
4月前
|
存储 机器学习/深度学习 人工智能
【AI大模型】Transformers大模型库(十六):safetensors存储类型
【AI大模型】Transformers大模型库(十六):safetensors存储类型
180 0
|
4月前
|
人工智能 自然语言处理 PyTorch
【AI大模型】Transformers大模型库(十五):timm库
【AI大模型】Transformers大模型库(十五):timm库
84 0
|
6天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗诊断中的应用及前景展望
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、挑战与未来发展趋势。通过分析AI技术如何助力提高诊断准确率、缩短诊断时间以及降低医疗成本,揭示了其在现代医疗体系中的重要价值。同时,文章也指出了当前AI医疗面临的数据隐私、算法透明度等挑战,并对未来的发展方向进行了展望。
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
18天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念入手,然后详细介绍其在医疗领域的各种应用,如疾病诊断、药物研发、患者护理等。最后,我们将讨论AI在医疗领域面临的主要挑战,包括数据隐私、算法偏见、法规合规等问题。
40 1

热门文章

最新文章

下一篇
无影云桌面