圖靈獎得主LeCun親授，深度學習課程在線發(fā)布｜資源
紐約大學2020春季學期《深度學習》課程
木易 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI
深度學習作為AI入門的一門必修課程，在網(wǎng)上一直有著許多教學資源。
最常見的莫過于吳恩達老師的《深度學習》課程。
就在前不久，紐約大學數(shù)據(jù)科學中心（CDS）上傳完成了其2020年春季學期的《深度學習》的全部內(nèi)容資源。
而這次的課程，是由圖靈獎得主、深度學習三巨頭之一、AI大牛Yann LeCun及紐約大學助理教授Alfredo Canziani共同教授的。
大佬的親授，往往是令人期待的。
那么該課程都有哪些內(nèi)容呢？（相關資源可在文末獲取。）
課程簡介
本課程涉及深度學習和表示學習的最新技術，重點包括：
監(jiān)督式深度學習和無監(jiān)督深度學習、（詞）嵌入、度量學習、卷積和遞歸網(wǎng)絡，以及在計算機視覺、自然語言理解和語音識別方面的應用。
△圖源：CDS
另外，紐約大學數(shù)據(jù)科學中心建議開始課程學習需要先修的課程有：CDS的《數(shù)據(jù)科學入門》課程或其他一門研究生級別的機器學習課程。
也有網(wǎng)友評論到：
Lecun的課有著非常高的眼界，因此對于學生的基礎知識有著很高的要求。其實比起MS，更適合PhD degree。
因此，在這并不建議沒有基礎的小白進行學習哦。
課程內(nèi)容
該課程為期14周，共27個視頻，每周基本上有對應的課程與練習。
課程內(nèi)容整理如下：
第一周神經(jīng)網(wǎng)絡、深度學習的歷史、第二周復習了基礎的數(shù)學基礎。
而從第四周至第六周則總體講述了各類神經(jīng)網(wǎng)絡及其應用。
第七周之后，便開始更進一步，教授深度學習的前沿技術。
講師介紹
Yann LeCun，美國國家工程院院士，紐約大學終身教授。卷積網(wǎng)絡之父，與Geoffrey Hinton、Yoshua Bengio并成為“深度學習三巨頭”。同時，其還是Facebook副總裁兼首席AI科學家。
1983年在巴黎ESIEE獲得電子工程學位。1987年在巴黎第六大學獲得計算機科學博士學位。
1988年，他加入了貝爾實驗室的自適應系統(tǒng)研究部門，位于美國新澤西州的霍姆德爾鎮(zhèn)區(qū)。在此，他開發(fā)了很多新的機器學習方法，比如卷積神經(jīng)網(wǎng)絡。
2012年，他成為了紐約大學數(shù)據(jù)科學中心的創(chuàng)建主任。
其于2014年獲得了IEEE神經(jīng)網(wǎng)絡領軍人物獎，2015年獲得PAMI杰出研究員獎。
2019年，其榮獲圖靈獎。
Alfredo Canziani，是紐約大學計算機科學的助理教授。
Alfredo Canziani擁有的里雅斯特大學的電子工程學士學位和碩士學位。
之后他還于2012年在克蘭菲爾德大學獲得理學碩士學位，于2017年在普渡大學獲得博士學位。
他的研究主要專注于自動駕駛的機器學習。
資源獲取
該課程的內(nèi)容講義見于Github：
https://atcold.github.io/pytorch-Deep-Learning/zh/
講授視頻發(fā)布于Youtube上：
https://www.youtube.com/playlist?list=PLLHTzKZzVU9eaEyErdV26ikyolxOsz6mq
講授視頻在B站也有相關資源搬運：
https://www.bilibili.com/video/BV197411M7gG?p=1
參考鏈接：
https://medium.com/@NYUDataScience/yann-lecuns-deep-learning-course-at-cds-is-now-fully-online-accessible-to-all-787ddc8bf0af
https://zh.wikipedia.org/wiki/%E6%9D%A8%E7%AB%8B%E6%98%86
- 戴爾 x OpenCSG，推出?向智能初創(chuàng)企業(yè)的?體化 IT 基礎架構解決方案2025-12-10
- 看完最新國產(chǎn)AI寫的公眾號文章，我慌了！2025-12-08
- 共推空天領域智能化升級！趨境科技與金航數(shù)碼強強聯(lián)手2025-12-09
- Ilya剛預言完，世界首個原生多模態(tài)架構NEO就來了：視覺和語言徹底被焊死2025-12-06
相關閱讀
聯(lián)想凌拓推出易捷AI解決方案 可搭載NVIDIA DGX A100
聯(lián)想凌拓今日宣布推出易捷AI解決方案。這一解決方案由聯(lián)想凌拓提供的全閃存、混合閃存陣列及NVIDIA?DGX?AI系統(tǒng)提供支持。
