不怕学不够，只怕不够学：这份MIT最新深度学习入门公开课请收好

机器之心报道

参与：一鸣、Jamin

依然在家工作或学习的你，也许需要这份最新的 MIT 深度学习公开课。

作为顶尖学府，MIT 自然有不少优秀的公开课。 但是他们并没有停下开源的脚步。 一月底，MIT 6.S191： 深度学习导论课程已开始授课了。 每周更新一次课程视频，还提供了 PPT 和 Lab Session 的内容。 在家闲着没事的你，也可以看看这些资料，感受下 MIT 的熏陶。

课程官网地址：http://introtodeeplearning.com/index.html

全面、公开，还有业界反馈的深度学习课

在课程介绍中，MIT 表示，这是深度学习的入门课程，主要介绍计算机视觉、自然语言处理、生物学等相关领域的深度学习应用。 通过课程学习后，学生能够获得深度学习算法的基础知识，具有在 TensorFlow 框架下构建神经网络的实践经验。 有趣的是，在课程结束前还会举行项目提案竞赛，让学生从授课老师或是行业赞助商得到关于项目的反馈。

赞助商一览。

当然，因为是入门级别的课程，所以学生不需要有太多的基础知识储备。 上课前，课程主办方希望学生能掌握线性代数和微积分的基础知识，这些包括乘法矩阵，求导以及链式法则。 但是他们也会尽量在学习过程中向解释其他相关的知识点。 另外，Python 方面的代码经验对此课程是有帮助的，但也不是强制要求。

课程安排和目录

在课程设置和安排上，本次的课程包括了 10 节大课和 5 个 Lab Session，在了解理论和应用的同时也可以上手实践。

10 节课包括：

1. 引言；

2. 深度序列建模；

3. 深度计算机视觉；

4. 深度生成模型；

5. 深度强化学习；

6. 限制和新的前沿发展；

7. 神经信号混合 AI；

8. 应用于机器人上的、可泛化的自主性；

9. 神经生成；

10. 用于气味分子的机器学习；

从课程内容可以看出，虽然是深度学习的入门课程，但涵盖的内容不仅仅限于计算机视觉，而是从序列开始（RNN）到生成模型（GAN 等），以及强化学习（RL）。 在应用方面也结合了大量的新学科，如生物学、机械工程、神经科学、分子化学等。

同时，课程提供了 5 个 Lab Session，这是一种常见的实践课形式，帮助学生上手写代码，设计自己的项目。

这 5 个 Session 分别有：

1. TensorFlow 入门：音乐生成；
   

2. 去偏见的面部识别系统；

3. 将图像像素作为输入的控制学习；

4. 期末项目；

5. 期末项目评价和打分；

这些实践课，无疑是深度学习最好的上手资源了。

什么时候开课呢？ 其实这些课程在 1 月底（27 日）已经开始了，现在已经进行了四分之一。 最新一期（第四节课）的视频和 PPT 将会在 28 日公开。

对于课程材料，它们都是开源的，遵守 MIT 许可证。

已公开的视频内容。

还在等什么，可以开始学起来了。

本文为机器之心报道，转载请联系本公众号获得授权。

✄------------------------------------------------

加入机器之心（全职记者 / 实习生）：hr@jiqizhixin.com

投稿或寻求报道：content @jiqizhixin.com

广告 & 商务合作：bd@jiqizhixin.com