課程介紹
以深度神經網絡為代表的“深度學習”系統被應用於越來越多的人工智能任務中，從語言理解、語音和圖像識別，到機器翻譯、路徑規劃，甚至遊戲和自動駕駛。因此，在許多高階應用環境中，深度學習的專業知識正在從深奧難懂狀態轉變為強制性的必要條件，並在工業應用中具有很大的優勢。
在本課程將學習深度神經網絡的基礎知識，以及它們在各種AI任務中的應用。在課程結束時，學生將對深度學習有很大的瞭解，並能夠將深度學習應用於各種任務。他們還將瞭解當前關於深度學習的大部分文獻，並通過進一步研究擴展他們的知識。
課程地址
http://deeplearning.cs.cmu.edu/
文末附課程已經release視頻及PPT分享
（視頻帶英文字母）
從學生的角度來看該課程內容
該課程在概念方面非常全面。它有助於學生理解深度學習的基礎知識。課程從MLP模型開始講起，並且逐漸演化到更復雜的概念，例如注意力（Attention）和序列到序列(Seq2Seq)模型。學生將完全掌握PyTorch，這對於實現深度學習模型非常重要。作為學生，將學習構建深度學習模型所需的工具。HomeWork由兩個部分組成，即Autolab和Kaggle。Kaggle使學生能夠探索多種架構，並瞭解如何微調和不斷改進模型。所有作業的任務都是相似的，瞭解如何使用多種深度學習方法解決相同的任務很有趣。
課程大綱
視頻下載地址
點擊文末“瞭解更多”獲取下載（帶字幕的視頻和ppt）地址
往期精彩內容推薦
吳恩達-人工智能是科學技術進步新助力
-《Pro Deep Learning with TensorFlow》分享
AI實戰聖經《Machine Learning Yearning》第1-52章中英文版pdf分享
遷移學習在自然語言處理中的應用之通用語言建模
神聖的NLP！一文理解詞性標註、依存分析和命名實體識別任務
《純乾貨》2018-2019年國際AI會議最全信息整理分享
最新深度學習面試題目及答案集錦
歷史最全-16個推薦系統開放公共數據集整理分享
一文告訴你Adam、AdamW、Amsgrad區別和聯繫，助你實現Super-convergence的終極目標
基於深度學習的文本分類6大算法-原理、結構、論文、源碼打包分享
深度學習/機器學習的處理器列表（最全_中文版）
閱讀更多 深度學習與NLP 的文章
