==== |
====== |
========= |
======= |
===== |
==== |
==== |
==== |
======= |
======= |
============ |
|
| 49 样式迁移 || B站 | 50 课程竞赛：牛仔行头检测 B站 |
| 51 序列模型 || B站 | 52 文本预处理 || B站 |
| 53 语言模型 || B站 | 54 循环神经网络 RNN B站 |
| 55 循环神经网络 RNN 的实现 || B站 | 56 门控循环单元（GRU） || B站 |
| 57 长短期记忆网络（LSTM） || B站 | 58 深层循环神经网络 || B站 |
| 59 双向循环神经网络 || B站 | 60 机器翻译数据集 || B站 |
| 61 编码器-解码器架构【动手学深度学习v2 (Bilibli) | 62 序列到序列学习（seq2seq） || B站 |
| 63 束搜索 || B站 | 64 注意力机制 || B站 |
| 65 注意力分数 || B站 | 66 使用注意力机制的seq2seq || B站 |
| 67 自注意力 || B站 | 68 Transformer || B站 |
| 69 BERT预训练 || B站 | 70 BERT微调 || B站 |
| 71 目标检测竞赛总结 || B站 | 72 优化算法 || B站 |
| 【完结】73 - 课程总结和进阶学习 || B站 | |
| Deepmind用机器学习指导数学直觉论文逐段精读【论文精读】 || B站 | 如何判断（你自己的）研究工作的价值【论文精读】|| B站 |
| DETR 逐段精读 | AlphaFold 2 论文精读【论文精读】 || B站 |
| Megatron LM 逐段精读 | GPipe 逐段精读 |
| Pathways 逐段精读 | 视频理解论文串讲（下）|| B站 |
| 参数服务器（Parameter Server） 逐段精读 | 视频理解论文串讲（上） || B站 |
| I3D 论文精读 || B站 | 斯坦福 2022 年 AI 指数报告 精读 |
| AlphaCode 论文精读 || B站 | OpenAI Codex 论文精读【论文精读】 || B站 |
| GPT，GPT-2，GPT-3 论文精读【论文精读】 || B站 | Two-Stream 逐段精读 || B站 |
| CLIP 逐段精读 || B站 | 你（被）吐槽过论文不够 novel 吗？【论文精读】 || B站 |
| 对比学习论文综述 || B站 | MoCo 逐段精读 || B站 |
| 如何找研究想法 1 | MAE 论文逐段精读【论文精读】|| B站 |
| ViT论文逐段精读【论文精读】 || B站 | BERT 论文逐段精读【论文精读】|| B站 |
| GAN论文逐段精读【论文精读】|| B站 | 零基础多图详解图神经网络（GNN/GCN）|| B站 |
| Transformer论文逐段精读 || B站 | ResNet 论文逐段精读 || B站 |
| 撑起计算机视觉半边天的 ResNet || B站 | AlexNet 论文逐段精读 || B站 |
| 9年后重读深度学习奠基作之一：AlexNet || B站 | 如何读论文 || B站 |
| 1.1 课程介绍 || B站 | 1.2 数据获取 || B站 | ||
| 1.3 网页数据抓取 || B站 | 1.4 数据标注|| B站 | ||
| 2.1 探索性数据分析 || B站 | 2.2 数据清理 | ||
| 2.3 数据变换 | 2.4 特征工程 | ||
| 2.5 数据科学家的日常 | |||
| 3.1 8分钟机器学习介绍 || B站 | 3.2 最简单也最常用的决策树 | ||
| 3.3 最简单也同样最常用的线性模型 | 3.4 随机梯度下降 || B站 | ||
| 3.5 多层感知机 | 3.6 卷积神经网络 | ||
| 3.7 循环神经网络 || B站 | |||
| 4.1 模型评估 || B站 | 4.2 过拟合和欠拟合 | ||
| 4.3 模型验证 || B站 | |||
| 5.1 方差和偏差 | 5.2 Bagging || B站 | ||
| 5.3 Boosting || B站 | 5.4 Stacking || B站 | ||
| 9.1 模型调参 || B站 | 9.2 超参数优化 | ||
| 9.3 网络架构搜索 || B站 | |||
| 10.1 深度神经网络架构 || B站 | |||
| 11.1 迁移学习 || B站 | |||
| 11.2 NLP中的微调 || B站 | |||
李沐于2004年进入上海交通大学计算机科学与工程系进行本科学习 ；2009年至2010年担任香港科技大学研究助理；2011年至2012年担任百度高级研究员；2012年至2017年在美国卡内基梅隆大学攻读博士学位 。2019年编著的《动手学深度学习》出版。 李沐是深度学习框架MXNet的作者之一。他先后担任过机器学习创业公司Marianas Labs的CTO和百度深度学习研究院的主任研发架构师。他在理论、机器学习、应用和操作系统等多个领域的顶级学术会议（包括FOCS、ICML、NeurIPS、AISTATS、CVPR、KDD 、WSDM、OSDI）上发表过论文
