<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                ??碼云GVP開源項目 12k star Uniapp+ElementUI 功能強大 支持多語言、二開方便! 廣告
                # 深度學習課程 > 原文: [https://machinelearningmastery.com/deep-learning-courses/](https://machinelearningmastery.com/deep-learning-courses/) 深入學習可能很難開始。 值得慶幸的是,許多大學免費開設了深度學習的課程,當您希望更好地理解深度學習的基礎時,這可能是一個很好的起點。 在這篇文章中,您將了解關于深度學習的課程,您可以瀏覽和學習,以發展和鞏固您對該領域的理解。 這是一篇很長的文章,可以深入鏈接到很多視頻,你可以收藏,跳轉到整個課程的特定目錄,而不是選擇一門課程并從頭至尾完成。 通過我的新書中的幾行代碼,了解如何為一系列問題的預測建模并開發深度學習模型,總共包括18個分步教程和9個項目。 讓我們現在開始吧。 ## 概述 我們將快速瀏覽以下 6 個深度學習課程。 1. 牛津深度學習 2. 谷歌深度學習 Udacity 3. 蒙特利爾深度學習暑期學校 4. 斯坦福大學自然語言處理的深度學習 5. 斯坦福大學視覺識別的卷積神經網絡 6. 舍布魯克大學的神經網絡課程 最后還有一個“其他課程”部分,以收集其他視頻課程,這些課程并不是免費的,而且是零散的課程,并且適合更為細分的領域,并不完全適合本摘要評審。 ## 課程提示和文章使用指南 有很多課程和很多很棒的免費材料。 我最好的建議是: > 不要選擇一門課程并通過從頭至尾的方式學習。 這與大多數人的建議相反。 你“認真”并且挑選“最好的”課程學習并完成所有的課程材料的沖動會幾乎導致你肯定失敗。 材料很難,你需要花時間在每個主題上獲得不同的觀點。 真正進入這一材料的最好方法是逐個主題地學習,并從所有課程中選取相關介紹,直到你真正理解一個主題,然后再進入下一個主題學習。 您無需了解所有主題,也無需使用單一來源來理解單個主題。 將此頁面添加為書簽,然后在您需要時瀏覽案例并深入了解您需要的材料,同時學習如何使用 [Keras](http://machinelearningmastery.com/tutorial-first-neural-network-python-keras/) 等平臺在代碼中實現真正的真實深度學習模型。 ## 牛津深度學習 這是一個機器學習課程,側重于 Nando de Freitas 在牛津大學教授的深度學習。 我真的很喜歡這門課程,我花費了雙倍時間觀看了所有視頻并做了筆記,它提供了良好的理論基礎,涵蓋了現代深度學習主題,如 LSTM,代碼示例顯示在 Torch 中。 我注意到教學大綱與實際可用的視頻講座不同,YouTube 播放列表列出了無序的講座,因此以下是 2015 年視頻講座的順序: * [深度學習講座 1:簡介](https://www.youtube.com/watch?v=PlhFWT7vAEw&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu&index=16) * [深度學習講座 2:線性模型](https://www.youtube.com/watch?v=DHspIG64CVM&index=5&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu) * [深度學習講座 3:最大可能性和信息](https://www.youtube.com/watch?v=kPrHqQzCkg0&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu&index=6) * [深度學習第 4 講:正則化,模型復雜性和數據復雜性(第 1 部分)](https://www.youtube.com/watch?v=VR0W_PNwLGw&index=7&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu) * [深度學習第五講:正則化,模型復雜性和數據復雜性(第 2 部分)](https://www.youtube.com/watch?v=qz9bKfOqd0Y&index=8&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu) * [深度學習第六講:優化](https://www.youtube.com/watch?v=0qUAb94CpOw&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu&index=9) * [深度學習第 7 講:邏輯回歸,Torch實現](https://www.youtube.com/watch?v=FYgsztDxSvE&index=11&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu) * [深度學習第 8 講:模塊化反向傳播,邏輯回歸和Torch](https://www.youtube.com/watch?v=-YRB0eFxeQA&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu&index=10) * [深度學習講座 9:Torch 中的神經網絡和模塊化設計](https://www.youtube.com/watch?v=NUKp0c4xb8w&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu&index=12) * [深度學習講座 10:卷積神經網絡](https://www.youtube.com/watch?v=bEUX_56Lojc&index=13&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu) * [深度學習講座 11:最大邊緣學習,轉移和記憶網絡](https://www.youtube.com/watch?v=jCGplSKrl2Y&index=15&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu) * [深度學習講座 12:遞歸神經網絡和 LSTM](https://www.youtube.com/watch?v=56TYLaQN4N8&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu&index=14) * [深度學習講座 13:Alex Graves 關于 RNNs 的設想](https://www.youtube.com/watch?v=-yX1SYeDHbg&index=4&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu) * [深度學習第 14 講:關于變分自動編碼器和圖像生成的 Karol Gregor](https://www.youtube.com/watch?v=P78QYjWh5sM&index=3&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu) * [深度學習講座 15:深度強化學習 - 政策檢索](https://www.youtube.com/watch?v=kUiR0RLmGCo&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu&index=2) * [深度學習第 16 講:強化學習和神經動態規劃](https://www.youtube.com/watch?v=dV80NAlEins&index=1&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu) 對我來說,最重要的課程是 [Alex Graves](http://www.cs.toronto.edu/~graves/) 關于 RNN 的討論([第 13 講](https://www.youtube.com/watch?v=-yX1SYeDHbg&index=4&list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu)),這是一個聰明的人做的偉大的工作,我在觀看這個視頻的時候正在閱讀很多亞歷克斯的論文,所以我可能會有偏見。 ### 資源 * [YouTube 播放列表](https://www.youtube.com/playlist?list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu) * [課程總結和材料](http://www.cs.ox.ac.uk/teaching/courses/2014-2015/ml/) * [Nando de Freitas 主頁](http://www.cs.ubc.ca/~nando/) ## 谷歌深度學習 Udacity 這是來自 Udacity 的 [Arpan Chakraborty](https://www.linkedin.com/in/arpan-chakraborty-17688012) 和 Google 的首席科學家 [Vincent Vanhoucke](https://www.linkedin.com/in/vanhoucke) 之間的一個小型課程合作。 該課程是免費的,托管在 Udacity 上,專注于 TensorFlow。它是 Udacity 上托管的[機器學習工程師 Nanodegree 的一小部分](https://www.udacity.com/course/machine-learning-engineer-nanodegree-by-google--nd009)。 您必須注冊 Udacity,但一旦您登錄,您就可以免費訪問此課程。 所有課程視頻都在 YouTube 上,但(有意)很難找到不良的命名和鏈接,如果有人知道所有視頻的盜版播放列表,請在評論中發布。 該課程分為 4 課: * 第 1 課:從機器學習到深度學習 * 第 2 課:深度神經網絡 * 第 3 課:卷積神經網絡 * 第 4 課:文本和序列的深層模型 該課程很短,但分為許多短視頻并且 Udacity 的界面友好, Vincent 似乎出現在我看過的所有視頻中(這很棒),視頻也顯示在 YouTube 界面中。 還有一個討論表格,您可以通過流暢的[對話軟件](https://www.discourse.org/)來提問和回答問題。 我傾向于深入了解我感興趣的視頻,而不是完成整個課程或完成任何課程作業。 ### 資源 * [Udacity 深度學習課程](https://www.udacity.com/course/deep-learning--ud730) * [Google 博客上的課程公告](https://research.googleblog.com/2016/01/teach-yourself-deep-learning-with.html) ## 蒙特利爾深度學習暑期學校 2015 年在蒙特利爾大學舉辦了深度學習暑期學校。 根據該網站,暑期學校的目標是研究生和工業工程師以及已經掌握機器學習基礎知識的研究人員。 在從入門材料到最新研究的一系列主題的深度學習領域,至少有著名研究人員的 30 場演講(有 30 個視頻)。 ![Deep Learning Summer School at Montreal](https://img.kancloud.cn/22/81/2281e7312f109ee0aa96430d719106ae_1005x367.png) 蒙特利爾深度學習暑期學校 這些視頻是真正的寶庫,花點時間仔細挑選您的主題。所有視頻都在 VideoLectures.net 網站上托管,該網站具有足夠好的界面,但不如 YouTube 干凈。 許多(所有?)談話都在視頻下方提供了 PDF 幻燈片的下載鏈接,更多信息可從官方網站的日程頁面獲得。 以下是講座主題的完整列表,其中包含視頻鏈接。我試圖將相關視頻列在一起(例如,第 1 部分,第 2 部分)。 * [機器學習簡介](http://videolectures.net/deeplearning2015_vincent_machine_learning/) * [深度學習:理論動機](http://videolectures.net/deeplearning2015_bengio_theoretical_motivations/) * [多層神經網絡](http://videolectures.net/deeplearning2015_bottou_neural_networks/) * [訓練深度神經網絡](http://videolectures.net/deeplearning2015_larochelle_neural_networks/) * [多層神經網絡](http://videolectures.net/deeplearning2015_bottou_multilayer_networks/) * [深度學習分布估計](http://videolectures.net/deeplearning2015_larochelle_deep_learning/) * [無向圖形模型](http://videolectures.net/deeplearning2015_courville_graphical_models/) * [受限制的玻爾茲曼機器](http://videolectures.net/deeplearning2015_lee_boltzmann_machines/) * [在歧管和自動編碼器](http://videolectures.net/deeplearning2015_vincent_autoencoders/) * [視覺特征:從傅立葉到 Gabor](http://videolectures.net/deeplearning2015_memisevic_fourier_gabor/) * [視覺特征 II](http://videolectures.net/deeplearning2015_memisevic_visual_features/) * [卷積網絡](http://videolectures.net/deeplearning2015_lee_convolutional_networks/) * [學習比較](http://videolectures.net/deeplearning2015_taylor_learning_compare/) * [NLP 和深度學習 1:人類語言單詞向量](http://videolectures.net/deeplearning2015_manning_language_vectors/) * [NLP 和深度學習 2:成分深度學習](http://videolectures.net/deeplearning2015_manning_deep_learning/) * [使用深度學習看人](http://videolectures.net/deeplearning2015_taylor_deep_learning/) * [深度學習](http://videolectures.net/deeplearning2015_salakhutdinov_deep_learning/) * [深度學習 2](http://videolectures.net/deeplearning2015_salakhutdinov_deep_learning_2/) * [語音識別和深度學習](http://videolectures.net/deeplearning2015_coates_speech_recognition/) * [神經網絡優化問題教程](http://videolectures.net/deeplearning2015_goodfellow_network_optimization/) * [深度學習(希望更快)](http://videolectures.net/deeplearning2015_coates_deep_learning/) * [對抗性實例](http://videolectures.net/deeplearning2015_goodfellow_adversarial_examples/) * [從語言建模到機器翻譯](http://videolectures.net/deeplearning2015_blunsom_machine_translation/) * [深 NLP 遞歸神經網絡](http://videolectures.net/deeplearning2015_socher_deep_nlp/) * [Deep NLP 應用程序和動態內存網絡](http://videolectures.net/deeplearning2015_socher_nlp_applications/) * [記憶,閱讀和理解](http://videolectures.net/deeplearning2015_blunsom_memory_reading/) * [平滑,有限和凸優化深度學習暑期學校](http://videolectures.net/deeplearning2015_schmidt_smooth_finite/) * [非平滑,非有限和非凸優化](http://videolectures.net/deeplearning2015_schmidt_nonsmooth_nonfinite/) * [變分自動編碼器和擴展](http://videolectures.net/deeplearning2015_courville_autoencoder_extension/) * [深度生成模型](http://videolectures.net/deeplearning2015_bengio_generative_models/) 選擇一個主題并深入學習,效果會非常好! 看起來[會有一個 2016 暑期學校](https://sites.google.com/site/deeplearningsummerschool2016/),希望會有視頻。 ### 資源 * [深度學習暑期學校官方網站](https://sites.google.com/site/deeplearningsummerschool/schedule) * [深度學習暑期學校視頻](http://videolectures.net/deeplearning2015_montreal/) ## 斯坦福大學自然語言處理的深度學習 這是一個深度學習課程,重點是斯坦福大學 [Richard Socher](http://www.socher.org/) 教授的自然語言處理(NLP)。 一個有趣的說明是,您可以訪問 PDF 版本的學生報告,這些工作可能會激發您的靈感或給您提供具有創意的想法。 YouTube 播放列表的文件名稱很差,而且有些缺少講座, 2016 年的視頻尚未全部上傳。以下是 2015 年講座和視頻鏈接的列表。只是選擇進一個特定主題就輕松多了。 * [講座 1:NLP 和深度學習簡介](https://www.youtube.com/watch?v=sU_Yu_USrNc&list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q&index=1) * [第 2 講:簡單的單詞向量表示:word2vec,GloVe](https://www.youtube.com/watch?v=T8tQZChniMk&list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q&index=2) * [第 3 講:高級單詞向量表示:語言模型,softmax,單層網絡](https://www.youtube.com/watch?v=T1j2Q9_FgTM&list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q&index=3) * [第 4 講:詞窗分類和神經網絡](https://www.youtube.com/watch?v=MRH9ABxCUZ0&list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q&index=4) * [第 5 講:項目建議,神經網絡和反支柱(全部詳細信息)](https://www.youtube.com/watch?v=I2TfdXfSOfc&list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q&index=5) * [第 6 講:實用技巧:梯度檢查,過度擬合,正則化,激活功能,細節](https://www.youtube.com/watch?v=DTbI7XisZcQ&list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q&index=6) * [第 7 講:用于語言建模和其他任務的循環神經網絡](https://www.youtube.com/watch?v=rFVYTydGLr4&list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q&index=7) * [第 7 講(8!?):用于機器翻譯的 GRU 和 LSTM](https://www.youtube.com/watch?v=OFCuW8VA7A4&list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q&index=8) * [第 9 講:遞歸神經網絡的解析](https://www.youtube.com/watch?v=DJHvaGU9SW8&list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q&index=9) * [第 10 講:針對不同任務的遞歸神經網絡(例如情緒分析)](https://www.youtube.com/watch?v=sVXp0UwheXw&list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q&index=10) * [第 11 講:期中考試](https://www.youtube.com/watch?v=HYLZCCX4q5o&list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q&index=13) * [第 13 講:用于句子分類的卷積神經網絡](https://www.youtube.com/watch?v=EevTPpQvxiU&list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q&index=11) * [第 15 講:DL 在 NLP方面上 的應用](https://www.youtube.com/watch?v=BVbQRrrsJo0&list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q&index=12) * [與 Andrew Maas 的客座講座:語音識別](https://www.youtube.com/watch?v=6D8_4GkEWUg&list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q&index=14) * [與杰森韋斯頓的客座講座:記憶網絡](https://www.youtube.com/watch?v=Xumy3Yjq4zk&list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q&index=15) * [與 Elliot 英語的客座講座:高效的實現和 GPU](https://www.youtube.com/watch?v=8Uxe8umUDYA&list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q&index=16) 如果您正在深入學習 NLP,這將是一個非常優秀的領域,這也是一個很好的學習材料。 ### 資源 * [CS224d:自然語言處理的深度學習主頁](http://cs224d.stanford.edu/) * [課程大綱](http://cs224d.stanford.edu/syllabus.html) * [2015 年課程視頻播放列表](https://www.youtube.com/playlist?list=PLmImxx8Char8dxWB9LRqdpCTmewaml96q) * [2016 年課程視頻播放列表](https://www.youtube.com/playlist?list=PLXqezZ11Vm4pzLnhV3bZflqaNNBm9uFUb) ## 斯坦福大學視覺識別的卷積神經網絡 本課程重點介紹使用卷積神經網絡對計算機視覺應用進行深度學習。 這是斯坦福大學的另一門課程,這次由 Andrej Karpathy 和其他人講授。 不幸的是,課程視頻被刪除了,但是一些聰明的人已經找到了將它們放回其他地方的方法,請參閱下面資源部分中的播放列表。 > 我現在很遺憾的通知,由于法律問題,我們被迫刪除了 CS231n 視頻。僅僅有25萬的社會觀點因此服務而受益。 > > - Andrej Karpathy(@karpathy) [2016 年 5 月 3 日](https://twitter.com/karpathy/status/727618058471112704) 另一個很棒的課程 以下是 2016 年課程的視頻講座,但我不確定這些鏈接會持續多長時間,如果鏈接失效,請發表評論以便于我及時修復鏈接。 * [第 1 講 引言及歷史背景](https://www.youtube.com/watch?v=F-g0-6_RRUA&index=1&list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG) * [第 2 講 數據驅動方法,kNN,線性分類 1](https://www.youtube.com/watch?v=ZM4umP6F1Jc&index=2&list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG) * [第 3 講 線性分類 2,優化](https://www.youtube.com/watch?v=Q_UWHTY_TEQ&index=4&list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG) * [第 4 講 神經網絡第 1 部分,反向傳播](https://www.youtube.com/watch?v=jhUZ800C650&index=5&list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG) * [第 5 講 神經網絡第 2 部分](https://www.youtube.com/watch?v=jhUZ800C650&index=5&list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG) * [第 6 講 神經網絡第 3 部分,卷積介紹](https://www.youtube.com/watch?v=egPTd9zZzec&index=6&list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG) * [第 7 講 卷積神經網絡](https://www.youtube.com/watch?v=sHyIqu_S5Ks&index=7&list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG) * [第 8 講 定位和檢測](https://www.youtube.com/watch?v=sHyIqu_S5Ks&index=7&list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG) * [第 9 講 可視化,深度夢想,神經風格,對抗性實例](https://www.youtube.com/watch?v=ASdbG_7KMhc&index=9&list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG) * [講座 10 回歸神經網絡,圖像字幕,LSTM](https://www.youtube.com/watch?v=R1rXkuJ5w20&index=10&list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG) * [第 11 講 實踐中的講座](https://www.youtube.com/watch?v=G3m6HusAJTg&index=11&list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG) * [第 12 講 深度學習庫](https://www.youtube.com/watch?v=b6RntuTiKQo&index=12&list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG) * [第 13 講 分段,軟注意,空間變換器](https://www.youtube.com/watch?v=yCrkzVFsEX0&index=13&list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG) * [第 14 講 視頻和無監督學習](https://www.youtube.com/watch?v=k645B_f4a6Y&index=14&list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG) * [第 15 講 由 Jeff Dean 邀請演講](https://www.youtube.com/watch?v=qtm4JgbxuEc&index=15&list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG) ### 資源 * [用于視覺識別的卷積神經網絡主頁](http://cs231n.stanford.edu/) * [課程大綱](http://cs231n.stanford.edu/syllabus.html)(以及 [2015 年教學大綱](http://cs231n.stanford.edu/syllabus_winter2015.html)) * [Archive.org 上的課程視頻](https://archive.org/details/cs231n-CNNs) * [YouTube 上的課程視頻](https://www.youtube.com/playlist?list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG) * [課程示例代碼](https://github.com/cs231n/cs231n.github.io) ## 舍布魯克大學的神經網絡課程 這是由魁北克舍布魯克大學的 Hugo Larochelle 教授的神經網絡課程。 有大量的材料,至少一噸(`^_^`)。 視頻是一對一而不是講座,每個主題都有許多小視頻,而不是大型的一小時視頻信息。 我認為這可能是比傳統講座更好的方式,但我還沒有完全嘗試并比較,困難的是有 92 個視頻(!!!)可供瀏覽,很難找到要觀看的特定視頻。 教材包括 10 個主題: * 主題 1:前饋神經網絡 * 主題 2:訓練神經網絡 * 主題 3:條件隨機字段 * 主題 4:訓練條件隨機字段 * 主題 5:受限制的玻爾茲曼機器 * 主題 6:自動編碼器 * 主題 7:深度學習 * 主題 8:稀疏編碼 * 主題 9:計算機視覺 * 主題 10:自然語言處理 我的建議是使用主菜單主頁瀏覽主題,然后將這利用這些鏈接學習特定視頻, YouTube 播放列表中有太多視頻無法播放和理解,選擇的悖論會殺死你。 ### 資源 * [課程主頁](http://info.usherbrooke.ca/hlarochelle/neural_networks/content.html) * [YouTube 視頻播放列表](https://www.youtube.com/playlist?list=PL6Xpj9I5qXYEcOhn7TqghAJ6NAPrNmUBH) ## 其他課程 以下是一些非免費,難以訪問或范圍較小的視頻課程。 * [CILVR Lab @ NYU](http://cilvr.cs.nyu.edu/doku.php?id=deeplearning:slides:start) 的深度學習課程(斷開的鏈接?) * [Udemy](https://www.udemy.com/courses/search/?q=deep+learning&lang=en) 的小型深度學習課程 * [CMU 的深度學習](http://deeplearning.cs.cmu.edu/) * [用于深度學習的 Nvidia 自學課程](https://developer.nvidia.com/deep-learning-courses) * [多倫多大學 Coursera 機器學習神經網絡](https://www.coursera.org/learn/neural-networks)(太棒了,但不再免費) * **更新**:[您可以在這里免費觀看所有視頻](https://www.youtube.com/playlist?list=PLoRl3Ht4JOcdU872GhiYWf6jwrk_SNhz9)。 * [研究生暑期學校:深度學習,特色學習](http://www.ipam.ucla.edu/programs/summer-schools/graduate-summer-school-deep-learning-feature-learning/?tab=schedule),2012 ## 摘要 在這篇文章中,您發現了許多關于深度學習的世界級視頻課程,包括理論,理論,計算機視覺,自然語言處理等。 注意這篇文章頂部的建議。 按主題瀏覽并深入講座學習,而不要嘗試學習整個課程,學習一件事,而不是嘗試學習一切。 你可以花點時間,為此頁面添加書簽,以便您可以方便回來享受學習的樂趣。 你知道我還沒有列出其他深度學習的視頻課程嗎?請在評論中告訴我,我會更新清單。
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看