点上方蓝字计算机视觉联盟获取更多干货
在右上方 ··· 设为星标 ★，与你不见不散
伯克利2019深度学习课程是李沐老师大致按照李沐老师的开源新书《动手学深度学习》来安排的（和去年放出的同名课程并不一样）。除了沐神，还有另外一位讲师——《动手学习深度学习》的共同作者、亚马逊的同事Alex Smola。
课程目录及课程时间
课程简介：从基础到高难
课程会从基础概念开始讲起。比如，数学和统计学范畴的链式法则、贝叶斯定理、逻辑回归等等。比如，深度学习入门需要的批尺寸 (Batch Size) 、学习率(Learning Rate) 、多层感知器 (MultiLayer Perceptrons) 、反向传播、随机梯度下降等等。
在那之后，便会走进神经网络的世界。
先是卷积网络(CNN) ，从简单的LeNet开始，到ResNet这类用来做高精度模型的架构。
再来就是序列模型 (Sequence Models) 和循环网络 (RNN) 。LSTM、GRU以及注意力机制都会在这里登场。
这门课完全基于Jupyter Notebook，每节课的内容，都有代码可以运行。
需要注意的是，虽然是基础课，大家也要携带Python基础，一点点线代基础，一点点统计学基础，再来上课。毕竟，这些部分不会讲得太细。
福利时刻
课程链接
https://www.bilibili.com/video/av41905755/
GitHub地址
https://github.com/d2l-ai/berkeley-stat-157
《动手学深度学习》中文版PDF
关注公众号后台回复关键词：
DLBook
即可下载全文
END
声明：本文来源于网络
加群交流
关注计算机视觉与人工智能技术，欢迎加入CV联盟群
扫描添加CV联盟微信拉你进群，备注：CV联盟
热文荐读
亲身经历2019年校招8个大厂心得体会，纯干货分享（大疆、百度...）
GANs最新综述论文: 生成式对抗网络及其变种如何有用【附pdf下载】
算法岗百里挑一热爆了，全球AI大厂薪酬大起底
史上最全！计算机科学领域顶会最佳论文大合集：微软研究院最多，清华排24 MIT的周博磊博士如何解释深度学习模型（附PPT)
【资源下载】512页IBM沃森研究员Charu最新2018著作《神经网络与深度学习》（附下载链接）
人工智能相关领域的国际顶尖会议介绍