响应国家号召，鼓励社友们在家学习，少出门，不去人群聚集处。

01

Geoffrey Hinton 

机器学习与神经网络（已完结）

Hinton机器学习中文版教程，本课程深入介绍了Machine Learning中的神经网络的方法，带你了解人工神经网络在语音识別和物体识别、图像分割、建模语言和人类运动等过程中的应用，及其在机器学习中发挥的作用。

Hinton教授的这门课是人工智能学习者必修课。不管是初学者和专家都将受益于Hinton的观点和思想的广度。 神经网络使用的是学习算法，此算法受到我们对大脑汲取知识过程的理解所启发而产生， 但是对其评估需按照实际应用中的效果，如语音识别 、物体识别、图像检索以及推荐用户可能喜欢的产品的能力。

随着计算机功能变得越来越强大，神经网络正逐渐取代更简单的机器学习方法， 并已经成为了新一语音识别装置的核心，而且在识别图像中的物体方面正开始超越早期系统。这门课程将介绍用于学习这些逬展的新式学习步骤，这包括学习多层非线性特征的有效的新步骤，并且课上你将学到需要将这些步骤运用于其他许多领域的技巧和知识。

观看地址：

https://www.yanxishe.com/overseasCourse/52

02

卡耐基梅隆大学 Graham Neubig 教授

2019 春季《神经网络自然语言处理》（持续更新中）

该课程是CMU语言技术学院和计算机学院联合开课，主要内容是教学生如何用神经网络做自然语言处理。神经网络对于语言建模任务而言，可以称得上是提供了一种强大的新工具，与此同时，神经网络能够改进诸多任务中的最新技术，将过去不容易解决的问题变得轻松简单。

本课程将首先简要介绍神经网络，然后花费大部分课程的时间，向大家演示——如何将神经网络应用于自然语言问题。每次课程都将讨论到自然语言中的特定问题或现象，向大家描述建模之所以很难的原因，并且演示一些能够解决该问题的模型。在此过程中，本课程还会涵盖的话题有——在创建神经网络模型中效果不错的各类技术，包括处理可变大小和结构化的句子，有效处理大数据，半监督和无监督学习，结构化预测等。

观看地址：

https://www.yanxishe.com/overseasCourse/33

03

加利福尼亚大学伯克利分校 Pieter Abbeel 教授

深度无监督学习（持续更新中）

Pieter Abbeel，加州大学伯克利分校教授、机器人学习实验室主任，伯克利人工智能研究(BAIR)实验室联合主任。Pieter Abbeel是机器人和强化学习领域的大牛。Pieter Abbeel 2008年从斯坦福大学获得博士学位，师从百度前首席科学家 Andrew Ng（吴恩达），毕业后在UC Berkeley任教。2016~2017年，Pieter Abbeel加入Open AI，任研究科学家。现在则是Open AI顾问。Pieter Abbeel还是两家AI公司的创始人，Gradescope和covariant.ai。Pieter Abbeel 的研究重点集中于如何让机器人向人类学习（学徒学习），如何让机器人通过自己的试错过程学习(强化学习)，以及如何通过从learning-to-learn(元学习)过程中加快技能获取。他开发的机器人已经学会了先进的直升机特技飞行、打结、基本装配、叠衣服、移动、以及基于视觉的机器人操作。

本课程将涵盖深度学习中不需要标注数据的两个领域：深度生成模型和自监督学习。生成模型的最新进展使得对自然图像、音频波形和文本语料库等高维原始数据进行真实建模成为可能。自监督学习的进步已经开始缩小监督表示学习和非监督表示学习之间的差距，本课程将涵盖这些主题的理论基础以及它们的新应用。

论文涉及GAN、VAE、降噪、自回归、强化学习、自监督学习等等，课程历时15周完成。

观看地址：

https://www.yanxishe.com/overseasCourse/70

04

加利福尼亚大学伯克利分校 Sergey Levine 教授

CS 285 深度强化学习（持续更新中）

在CS285这门课程中，Sergey Levine 教授将会深入浅出地讲解深度强化学习的背景理论知识、实现方式以及核心算法，并布置相应的家庭作业以帮助各位同学更好地巩固学习内容。

在2019年的尾声，字幕君带着获得了加州大学伯克利分校 CS285 《深度强化学习》讲师@Sergey Levine正式授权汉化翻译，感兴趣的同学也可以报名参与志愿者翻译团队。

课程仍在持续更新中。

观看地址：

https://www.yanxishe.com/overseasCourse/103

05

加利福尼亚大学伯克利分校 Sergey Levine 教授

CS294-112深度强化学习（持续更新中）

Sergey Levine 教授发明了启发式策略搜索（Guided Policy Search），进一步提高了机器人学习新动作的效率。Sergey Levine后来加入伯克利，和Pieter Abbeel一起继续在基于神经网络的机器人控制研究领域探索。

这门课是基本覆盖了强化学习的主要内容和前沿的研究话题，通过理论到应用例子的讲述，以及五次作业（实际上是七次）的实践练习对经典算法的复现。该课程主题选择深度增强学习，即紧跟当前人工智能研究的热点，又可作为深度学习的后续方向，值得推荐。

观看地址：

https://www.yanxishe.com/overseasCourse/30

06

卡耐基梅隆大学 Bhiksha Raj 教授

 2018 秋季《深度学习导论》（已完结）

「深度学习」系统，以神经网络为代表，逐渐应用于所有的 AI 任务，从语言理解，语音和图像识别到机器翻译，规划，甚至是游戏电竞和自动驾驶。结果是在许多高级学术环境中，深度学习的专业知识正从深奥晦涩的理想转变为行业必要的先决条件，并且在工业界的就业市场中占有非常大的优势。

在本课程中将会学习深度神经网络的基础知识，以及它们在众多 AI 任务中的应用。课程结束后，期望学生能对深度学习有足够的了解，并且能够在众多的实际任务中应用深度学习。

观看地址：

https://www.yanxishe.com/overseasCourse/18

07

美国麻省理工大学 Lex Fridman 教授

2018 MIT 6.S094 深度学习和自动驾驶课程（已完结）

领衔授课人是Lex Fridman，麻省理工学院研究员，致力于研究以人为中心的人工智能。客座嘉宾有Waymo技术总监、nuTonomy 首席技术官和前特斯拉Autopilot主管。

介绍了深度学习的相关知识，以及深度学习在自动驾驶领域的实践和应用。课程主要面向机器学习初学者，也同样适用于深度学习、自动驾驶领域的高级研究人员，能够帮助学习者了解深度学习在自动驾驶中的应用。

观看地址：

https://www.yanxishe.com/overseasCourse/21

08

谷歌大脑团队 Hugo Larochelle 

神经网络系列课（已完结）

Hugo Larochelle 目前任Google Brain人工智能小组负责人，是机器学习大神Yoshua Bengio的博士生，Hinton教授的博士后。

神经网络系列课程包括前馈神经网络、训练神经网络、条件随机字段、训练CRF、受限玻尔兹曼机、自动编码、深入学习、稀疏编码、计算机视觉、自然语言处理十周的内容。

观看地址：

https://www.yanxishe.com/overseasCourse/34