知识源于沉淀 机器心脏报告
参加:益铭、贾明
如果你还在家里工作或学习，你可能需要这个最新的MIT深度学习公开课。
麻省理工作为顶尖大学，自然有很多优秀的公开课。但他们并没有停止开源的步伐。一月底，麻省理工6。S191:深度学习入门课程已经开始教学。每周更新一次课程视频，也提供PPT和实验环节内容。在家闲着也可以看看这些资料，感受一下麻省理工的影响。
课程地址:http://introtodeeplearning.com/index.html,官网
全面、开放、深入的学习课程，并有行业反馈。
麻省理工学院在课程介绍中表示，这是一门深度学习的入门课程，主要介绍深度学习在计算机视觉、自然语言处理、生物学等相关领域的应用。通过课程学习，学生可以获得深度学习算法的基础知识，并具有在TensorFlow框架下构建神经网络的实践经验。有趣的是，在课程结束时，还会举行项目提案大赛，让学生从导师或行业赞助商那里获得关于项目的反馈。
赞助商名单。
当然，因为是入门课程，所以不需要学生有太多的基础知识。课前，课程组织者希望学生能够掌握线性代数和微积分的基础知识，包括乘法矩阵、导数和链式法则。但他们也会在学习过程中尝试讲解其他相关知识点。另外，Python中的代码经验对本课程有帮助，但不是强制性的。
课程表和目录
在课程设计和安排方面，本课程包括10个大课和5个实验环节，因此您可以了解理论和应用以及实践。
这10个类别包括:
引言；深度序列建模；深度计算机视觉；深度生成模型；深度强化学习；限制和新的前沿发展；神经信号混合 AI；应用于机器人上的、可泛化的自主性；神经生成；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，但是所涉及的内容并不仅仅局限于计算机视觉，而是从序列开始(RNN)到生成模型(GAN等。)和强化学习(RL)。在应用上，还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，该课程提供了五个实验环节，这是一种常见的实践课形式，可以帮助学生学习手写代码和设计自己的项目。
这五个环节是:
TensorFlow 入门：音乐生成；去偏见的面部识别系统；将图像像素作为输入的控制学习；期末项目；期末项目评价和打分；
这些实战课无疑是深度学习最好的动手资源。
什么时候开始上课？其实这些课程从1月底(27日)就开始了，现在已经进行了四分之一。最新一期(第四节课)的视频和PPT将于28日公开。
对于课程材料，它们都是开源的，并且符合麻省理工学院的许可。
发布的视频内容。
你还在等什么？可以开始学了。
