【收藏】50+门《深度学习、强化学习、NLP、CV》课程超级大列表,

2019 年 1 月 27 日 专知

【导读】kmario23在Github维护了关于深度学习、强化学习、一般机器学习、概率图模型、自然语言处理、计算机视觉等关于国内外非常经典知名的课程,总共50多门,非常值得收藏!

地址:

https://github.com/kmario23/deep-learning-drizzle/blob/master/README.md

-END-

专 · 知

专知《深度学习:算法到实战》课程全部完成!460+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!


请加专知小助手微信(扫一扫如下二维码添加),咨询《深度学习:算法到实战》参团限时优惠报名~

欢迎微信扫一扫加入专知人工智能知识星球群,获取专业知识教程视频资料和与专家交流咨询!

请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!

点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

登录查看更多
11

相关内容

强化学习(RL)是机器学习的一个领域,与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外,强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于,不需要呈现带标签的输入/输出对,也不需要显式纠正次优动作。相反,重点是在探索(未知领域)和利用(当前知识)之间找到平衡。 该环境通常以马尔可夫决策过程(MDP)的形式陈述,因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于,后者不假设MDP的确切数学模型,并且针对无法采用精确方法的大型MDP。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【DeepMind推荐】居家学习的人工智能干货资源大全集
专知会员服务
107+阅读 · 2020年6月27日
深度学习自然语言处理概述,216页ppt,Jindřich Helcl
专知会员服务
209+阅读 · 2020年4月26日
专知会员服务
112+阅读 · 2019年12月24日
【课程】伯克利2019全栈深度学习课程(附下载)
专知会员服务
54+阅读 · 2019年10月29日
【深度学习视频分析/多模态学习资源大列表】
专知会员服务
90+阅读 · 2019年10月16日
【资源】机器学习资源大列表
专知
58+阅读 · 2019年10月16日
【资源】强化学习实践教程
专知
43+阅读 · 2019年9月11日
自然语言处理NLP之旅(NLP文章/代码集锦)
【资源】深度学习模型压缩资源汇总
专知
37+阅读 · 2019年5月8日
深度学习自然语言处理阅读清单
专知
23+阅读 · 2019年1月13日
Arxiv
6+阅读 · 2019年7月29日
Arxiv
21+阅读 · 2019年3月25日
Logically-Constrained Reinforcement Learning
Arxiv
3+阅读 · 2018年12月6日
Arxiv
12+阅读 · 2018年9月5日
Arxiv
21+阅读 · 2018年8月30日
A Multi-Objective Deep Reinforcement Learning Framework
VIP会员
相关资讯
【资源】机器学习资源大列表
专知
58+阅读 · 2019年10月16日
【资源】强化学习实践教程
专知
43+阅读 · 2019年9月11日
自然语言处理NLP之旅(NLP文章/代码集锦)
【资源】深度学习模型压缩资源汇总
专知
37+阅读 · 2019年5月8日
深度学习自然语言处理阅读清单
专知
23+阅读 · 2019年1月13日
相关论文
Arxiv
6+阅读 · 2019年7月29日
Arxiv
21+阅读 · 2019年3月25日
Logically-Constrained Reinforcement Learning
Arxiv
3+阅读 · 2018年12月6日
Arxiv
12+阅读 · 2018年9月5日
Arxiv
21+阅读 · 2018年8月30日
A Multi-Objective Deep Reinforcement Learning Framework
Top
微信扫码咨询专知VIP会员