疫情在家别闲着，8 套海外名校AI课程免费学

正文

请到「今天看啥」查看全文

该课程是CMU语言技术学院和计算机学院联合开课，主要内容是教学生如何用神经网络做自然语言处理。神经网络对于语言建模任务而言，可以称得上是提供了一种强大的新工具，与此同时，神经网络能够改进诸多任务中的最新技术，将过去不容易解决的问题变得轻松简单。

本课程将首先简要介绍神经网络，然后花费大部分课程的时间，向大家演示——如何将神经网络应用于自然语言问题。每次课程都将讨论到自然语言中的特定问题或现象，向大家描述建模之所以很难的原因，并且演示一些能够解决该问题的模型。在此过程中，本课程还会涵盖的话题有——在创建神经网络模型中效果不错的各类技术，包括处理可变大小和结构化的句子，有效处理大数据，半监督和无监督学习，结构化预测等。

观看地址：

https://www.yanxishe.com/overseasCourse/33

03

加利福尼亚大学伯克利分校 Pieter Abbeel 教授

深度无监督学习（持续更新中）

Pieter Abbeel，加州大学伯克利分校教授、机器人学习实验室主任，伯克利人工智能研究(BAIR)实验室联合主任。Pieter Abbeel是机器人和强化学习领域的大牛。Pieter Abbeel 2008年从斯坦福大学获得博士学位，师从百度前首席科学家 Andrew Ng（吴恩达），毕业后在UC Berkeley任教。2016~2017年，Pieter Abbeel加入Open AI，任研究科学家。现在则是Open AI顾问。Pieter Abbeel还是两家AI公司的创始人，Gradescope和covariant.ai。Pieter Abbeel 的研究重点集中于如何让机器人向人类学习（学徒学习），如何让机器人通过自己的试错过程学习(强化学习)，以及如何通过从learning-to-learn(元学习)过程中加快技能获取。他开发的机器人已经学会了先进的直升机特技飞行、打结、基本装配、叠衣服、移动、以及基于视觉的机器人操作。

本课程将涵盖深度学习中不需要标注数据的两个领域：深度生成模型和自监督学习。生成模型的最新进展使得对自然图像、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。自监督学习的进步已经开始缩小监督表示学习和非监督表示学习之间的差距，本课程将涵盖这些主题的理论基础以及它们的新应用。

论文涉及GAN、VAE、降噪、自回归、强化学习、自监督学习等等，课程历时15周完成。

观看地址：

https://www.yanxishe.com/overseasCourse/70

请到「今天看啥」查看全文