作者 | 陈大鑫
就在今天，加州伯克利分校电气工程与计算机科学系助理教授Sergey Levine 发布了他的深度学习课程 CS182 的所有视频课（截止到目前）！
这是一门面向高级本科生+研究生的深度学习入门课程。
课程介绍
本课程涵盖了以下广泛的深度学习主题：
基础机器学习、CNN、RNN、transformers、NLP、强化学习、生成模型& GANs 。
以下是该课程的主页：
网站链接：https://cs182sp21.github.io
目前该课程一共有44节视频在Youtube上可看:
......
视频链接：https://youtube.com/playlist?list=PL_iWQOsE6TfVmKkQHucjPAoRtIJYt8a5A…
而在B站上搜索CS 182也是可以看到该课程的全部视频，小破站真是学习网站啊。
以下是本课程概览：
几门深度学习主题、四个编程作业、两个期中考试、大作业。
Sergey Levine还表示他非常感谢从CS231n、CS234n等课程和教师那里借鉴而来的材料和课程ideas ：
Sergey Levine 何许人也？
Sergey Levine于2009年获得了斯坦福大学的计算机科学硕士学位，并于2014年获得了斯坦福大学的计算机科学博士学位。他于2016年秋天加入了加州大学伯克利分校电气工程和计算机科学系，其研究工作主要是用于决策和控制的机器学习、机器学习和机器人的交叉，重点是用到深度学习和强化学习算法。
他的博士后导师是Pieter Abbeel，而Pieter Abbeel 是吴恩达的高徒。
他的研究工作还应用在自动驾驶机器人和汽车、计算机视觉和图形学。他的研究还包括开发用于深度神经网络的端到端训练的算法，用于逆向强化学习的可扩展算法、深度强化学习算法等等。
Sergey Levine曾在一年前分享过他当时的最新研究方向：开发能够在现实世界中导航、自主学习执行更复杂和更具挑战性任务的机器人。
顶会论文收割机
以下是 ICLR 2021 论文接收量排名前二十的作者，可以看出论文接收量最高的正是Sergey Levine，今年共有16篇论文被接收（大多都不是一作），简直是论文收割机！
而相比之下图灵奖得主Yoshua Bengio论文接收数排在第二位：共有10篇论文被接收。
ICLR 2021 上他是论文接收第一人，ICLR 2020同样如此：
不止是ICLR 2021，令人震惊的是，他最近两年有12篇论文被NeurIPS 2020接收，12篇论文被NeurIPS 2019接收，同样位列NeurIPS 论文接受榜单的第一位，实在是恐怖如斯。
这里再次强调一下他专注于控制和机器学习之间的交叉研究，目的是开发能够赋予机器自主决策技能的算法和技术，重点用到深度学习和强化学习算法。
Sergey Levine在NeurIPS 2020上入选的论文也多是强化学习和多任务学习相关。
NeurIPS 2020 个人论文接收排行榜：
NeurIPS 2019 个人论文接收排行榜：
为何能中这么多顶会论文？
那当然是因为他的投稿量多啊！！！
据他的谷歌学术页面显示：
2019年，他一共有84篇左右论文，平均每4天一篇。
2020年，他一共有85篇左右论文，平均每4天一篇。
这是正常人类的速度？？？
（我甚至四天都读不了一篇论文
）
从下图也可以看出Sergey Levine在ICLR 2021上的投稿量达到了令人震惊的30篇！（对此有个小小的怀疑，30篇论文他自己都能记住哪篇是哪篇吗）
投稿量这么多的背后当然是Sergey Levine本身比较厉害，那仅仅只是他本身厉害吗？
还有一项统计调查表明，Sergey Levine拥有大量接受论文的主要原因是与尽可能多的学者合作：
Sergey Levine到2020年拥有来自8个分支机构的35位合著者，以下是NeurIPS 历年论文接收的一个统计图，可以看出Sergey Levine这几年在NeurIPS上论文接收量骤增，这和他这几年与越来越多的学者合作多少有些关系。
而其实在知乎上也有一个浏览量十几万的问题：
如何评价Sergey Levine大神每年中十几篇ICLR+十几篇NeurIPS ？
在该问题下，有网友认为他是AI/Robot领域top级耀眼的学术star，但不会太关注他的工作。
网友@cycloid回答道：整个强化学习领域的风气比较浮躁。
还有网友@hongshu似乎一语中的：
网友@Flood Sung 针对影响力做了如下回答：
还有匿名网友觉得应该从不同角度来回答：
至于Sergey Levine的论文为何深受顶会青睐？
那就要由同行评审、领域主席、甚至是大会主席来决定了，外人最多是闲时吃吃瓜。
在推特上，Sergey Levine 最后还表示：
“请注意，这门课程与我的深度强化学习课程是分开的——CS182涵盖了广泛的深度学习，但只有少部分关于RL的课程，如果你特别想深入学习强化学习，请看我的另一门课程：CS 285 。”
这门CS285课程是好评如潮的 2018 加州大学伯克利分校 CS294-112 《深度强化学习》课程新版，依旧是由 Sergey Levine 授课，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，以及五次作业的实践练习对经典算法的复现，可以让学习者达到在强化学习领域的入门水平。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。对于CS 285，AI科技评论这里也推荐大家一个免费观看途径：
观看地址：https://www.yanxishe.com/overseasCourse/103PPT：CS285 加州大学伯克利分校第一讲至第二十一讲（AI 研习社整理）下载地址：https://www.yanxishe.com/resourceDetail/1118
参考链接：
https://twitter.com/svlevine/status/1370876669192331265
https://www.zhihu.com/question/440111069
由于微信公众号试行乱序推送，您可能不再能准时收到AI科技评论的推送。为了第一时间收到AI科技评论的报道， 请将“AI科技评论”设为星标账号，以及常点文末右下角的“在看”。
