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

[video(video-Id1nExx7-1665912141872)(type-bilibili)(url-https://player.bilibili.com/player.html?aid=546992273)(image-https://img-blog.csdnimg.cn/img_convert/424245461c02049cf531014f112712df.jpeg)(title-【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))]


[🌍 **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)**](https://www.bilibili.com/video/BV1uq4y1p7fG)

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

原文地址:http://www.cnblogs.com/showmeai/p/16823647.html

1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长! 2. 分享目的仅供大家学习和交流,请务用于商业用途! 3. 如果你也有好源码或者教程,可以到用户中心发布,分享有积分奖励和额外收入! 4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解! 5. 如有链接无法下载、失效或广告,请联系管理员处理! 6. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需! 7. 如遇到加密压缩包,默认解压密码为"gltf",如遇到无法解压的请联系管理员! 8. 因为资源和程序源码均为可复制品,所以不支持任何理由的退款兑现,请斟酌后支付下载 声明:如果标题没有注明"已测试"或者"测试可用"等字样的资源源码均未经过站长测试.特别注意没有标注的源码不保证任何可用性