MIT深度學習與自動駕駛課程漢化版

這次為大家帶來的是MIT 6.S094 深度學習與自動駕駛課程的

全部【漢化】視頻！當然還是免費的！

點擊視頻觀看課程第1講

深度學習與自動駕駛概述（1）

時長30分鐘

帶有中文字幕

▼

這門無人車課程由麻省理工MIT開設，話題前沿且實踐性質很強。課程首先引導大家了解深度學習，之後大家可以自己「造」一輛無人車（的演算法??）！

課程面向機器學習初學者，但已經有大量經驗的研究人員也能從課程提供的從實踐出發的深度學習方法和應用中受益。

課程主講Lex Fridman與TA團隊

大數據文摘已取得課程翻譯授權，將以連載的形式發布後續課程內容，請大家繼續關注我們，隨時給予好評??

文摘菌覺得這門課最好玩兒的地方呢，是兩個要求動手的實踐項目，一個叫DeepTraffic，一個叫DeepTesla。

DeepTraffic非常神奇地可以在瀏覽器里實現神經網路代碼編寫、模型訓練、測試和提交。

小車正穿行在落基山脈蜿蜒曲折的模擬高速公路上，你需要控制一輛車以最高速度行駛。取決於路況，你將控制你的車加速、減速、變道。

小車正穿行在落基山脈蜿蜒曲折的盤山公路上。克里斯朵夫·李維靜靜地望著窗外，發現每當車子即將行駛到無路的關頭，路邊都會出現一塊交通指示牌……山路彎彎、峰迴路轉，原來，不是路已到了盡頭，而是該轉彎了。（懂這個梗的孩子，讓我看到你們??）

最終需要達到65mph的平均速度，才算是過關了。在所有提交者的排行榜上，有大神達到了73mph的平均速度。

打開這個項目的頁面看一下行駛中的小車，你一定會和文摘菌一樣只想說WOW這也太酷了吧！歡迎體驗之後留言和文摘菌交流~

https://selfdrivingcars.mit.edu/deeptrafficjs/

DeepTesla則使用到了Tesla駕駛的數據，同樣在瀏覽器里，你可以看到一層層的神經網路是怎樣分解圖片的。

雖然買不起特斯拉，但還是可以學習自動駕駛課，體驗一下特斯拉駕駛室內的觀感嘛！

MIT深度學習與自動駕駛課程頁面（所有PPT、視頻和資料匯總）：

https://selfdrivingcars.mit.edu/

MIT近期又開放了一門更偏概述的深度學習課程——6.S191: Introduction to Deep Learning（深度學習入門），官方介紹該課程為一門對深度學習演算法和應用的入門課程（An introductory course on deep learning algorithms and their applications）。

目前，在官網上，所有的課程信息、錄像和課件都已公開。感興趣的同學可以註冊學習了。

先附上官網註冊鏈接：http://introtodeeplearning.com/

Coursera和其他高校開放的深度學習入門課程已不少，與已有課程相比，本課程的一大亮點可能是業內一票應用大咖公司的案例介紹，包括谷歌、英偉達、IBM以及中國公司騰訊，都對本課程提供了案例分享，並在每個部分都提供了實驗室支持。

課程介紹部分視頻

馬上觀看▼

以下是來自官方的一些信息：

課程介紹

這是一門介紹深度學習原理及其應用於機器翻譯，圖像識別，遊戲，圖像生成等領域的入門課程。 隨著課程的深入，本次課程加入了TensorFlow、同伴頭腦風暴和實驗室的合作課程。 來自從業人員和行業贊助商小組反饋的項目建議作為課程的最後一節。

項目建議

項目建議部分的持續時間為1分鐘，大家可以從深度學習演算法，應用程序，開源貢獻，創建有趣的數據集或其他相關方面選擇一個主題。贊助商將評選出最佳項目作為獲獎者。項目建議也可以選擇提交一篇有趣的深度學習綜述論文。

聽課方式

• 如果是麻省理工學院的學生（本科或研究生），可以直接在網站提交表單。
• 普通聽眾可以通過郵件註冊，參加課程。

MIT本次推出的這門公開課，邀請了四家明星企業：Google、NVIDIA、IBM和Tencent作為嘉賓，一起分享深度學習的相關內容，也是默默無聞的搞大事情啊。

課程大綱

第一章

Part 1

深度學習簡介

Part 2

深度序列建模

Lab

TensorFlow簡介，用RNNs網路生成音頻

第二章

Part 1

深度計算機視覺

Part 2

深度生成模型

Lab

人類X射線掃描檢測疾病

第三章

Part 1

深化強化學習

Part 2

局限和新前沿

Lab

綜述/項目建議

第四章

Part 1

嘉賓講座：Google

Part 2

嘉賓講座：NVIDIA

Lab

贊助商展位+綜述/項目建議

第五章

Part 1

嘉賓講座：IBM

Part 2

嘉賓講座：Tencent

Lab

項目建議介紹、評審和獎勵

當然，想要系統學習深度學習的同學，我們也推薦一些更加專項的課程給大家：總體來看，大數據文摘剛剛也提到過，這門課程整體來說屬於深度學習的基礎課程，內容更適合初學者，如果之前已經學習過coursera上相關課程的同學或者比較專業的選手，就不需要再重新學一遍這門課程了。

• 吳恩達深度學習系列課程，五個部分已經完整放出。Coursera相關鏈接：

https://www.coursera.org/learn/nlp-sequence-models

目前網易雲課堂的漢化版已經完整放出。相關鏈接：

http://study.163.com/provider/2001053000/index.htm

• 多倫多大學三巨頭，被譽為「深度學習之父「的Geoffrey Hinton教授在Coursera上的Neural Networks For Machine Learning課程。他的UT實驗室在2012年的某醫藥大賽中如一匹黑馬般贏得桂冠（即使整個團隊沒有一個人懂生物），真正地把深度學習帶入了主流媒體的視線。鏈接：

https://www.coursera.org/learn/neural-networks

• 斯坦福大學CS231n卷積神經網路視覺識別課程（李飛飛授課），大數據文摘授權漢化教程鏈接：http://study.163.com/course/introduction/1003223001.htm

• 斯坦福大學CS224d自然語言處理深度學習課程，鏈接：http://cs224d.stanford.edu/

• 牛津大學與DeepMind合作的自然語言處理深度學習課程，大數據文摘授權漢化教程鏈接：http://study.163.com/course/introduction/1004336028.htm

• MIT 6.S094深度學習與無人車課程。大數據文摘授權漢化教程鏈接：http://study.163.com/course/introduction.htm?courseId=1004938039

• 專門致力於為深度學習工程師提供教育資源的fast.ai。

鏈接：http://www.fast.ai/

• Tensorflow提供的機器學習教程。

初學者篇：

https://www.tensorflow.org/get_started/mnist/beginners

進階篇：

https://www.tensorflow.org/get_started/mnist/pros

• AI聖經級教科書（花書）－蒙特利爾大學教授Yoshua Bengio和他的前學生Ian Goodfellow合著的《Deep Learning》；英文版免費閱讀：http://www.deeplearningbook.org/ 中文版也已上市！

以上是一些免費課程，如果想要保證聽課質量，保證有答疑和練習，我們也推薦網易雲課堂一些收費課程：

• 人工智慧的數學基礎。鏈接：http://mooc.study.163.com/smartSpec/detail/1001358003.htm
• 機器學習工程師實戰課程。鏈接：http://mooc.study.163.com/smartSpec/detail/1001358002.htm

推薦閱讀：