作者 | 王晔
Yann LeCun 在纽约大学数据科学中心（CDS）主讲的《深度学习》 新一期课程现已完全线上可看且免费！课程线上免费发布后赢得网友一片欢呼：
课程讲师Yann LeCun 是纽约大学教授，Meta 首席人工智能科学家，被誉为“卷积网络之父”，也是AI、机器学习等领域的研究员，ACM 图灵奖获得者。而他的徒弟Alfredo Canziani是纽约大学库兰特数学科学研究所的计算机科学研究助理教授和深度学习研究科学家，其导师是纽约大学助教Kyunghyun Cho和Yann LeCun。本期开设了14周课程，在线学习本课程的学生还可以通过的Reddit和Discord平台与讲师直接进行交流。课程讲解以YouTube 视频、幻灯片、Jupyter 笔记本呈现，大多数讲座、实验和笔记本与之前版本相似，但也有全新内容。本学期Yann LeCun重新整理了教学材料，并且重新设计了课程和讲座的内容。现已将 LV-EBM 视为一个基本模块，可在此基础上进行构建。学期前半部分为期两周，涵盖了 3 个主题：每个主题后也都附有练习：
下半学期的幻灯片也做了重新设计。
Yann LeCun表示仍然可以使用去年的材料，但今年将有一个包含不同看法并且更为强大的资料库。课程涉及深度学习和表示学习的最新技术，侧重于监督和无监督深度学习、嵌入方法、度量学习、卷积和循环网络，以及在计算机视觉、自然语言理解和语音识别中的应用。值得注意的是，在学习此课程之前，同学们还要对DS-GA 1001 数据科学入门或研究生级别的机器学习课程有一定的学习和了解。课程主题包括课程简介、参数共享、基于能量的模型（基础）、基于能量的模型（进阶）、关联记忆、图谱、控制、优化等；此外，还将就涵盖视觉SSL、低资源机器翻译、Lagrangian 逆向思维、最终项目和问答等其它主题进行探索。相关链接：https://cds.nyu.edu/deep-learning/目前，这门课程提供英法两种语言版本的讲义，课程视频也已全部完结。课程目录与往期一样，点击目录即可跳转至相关学习讲义。与去年相似内容将会有标注，点击链接可跳转。
第一周的内容链接到了去年讲义中的1.1和2.1部分。第二周的内容对问题动机、线性代数和可视化做了修改。而这在去年的讲义中是以第一周的第三部分内容呈现的，讲义内容有所调整。也有未修改部分：第四周和第五周内容与去年相似。第六周对应去年的14.1和14.2部分的内容。而第七周自编码器简介部分去年是被安排在7.3这一节中，相关内容做了修改和重新设计。13周和14周内容在下面的YouTube视频中有所呈现。英文版讲义链接：https://atcold.github.io/NYU-DLSP21/en/week12/12/
YouTube视频：https://www.youtube.com/playlist?list=PLLHTzKZzVU9e6xUfG10TkTWApKSZCzuBI资料：https://github.com/Atcold/NYU-DLSP21Reddit论坛：https://www.reddit.com/r/NYU_DeepLearning/NYU-DLSP20（主要版本）：https://github.com/Atcold/pytorch-Deep-Learning
纽约大学-DLSP19：
https://github.com/Atcold/pytorch-Deep-Learning/releases/tag/dlsp19
AIMS-DLFL19：https://github.com/Atcold/pytorch-Deep-Learning/releases/tag/aims-fl18
CoDaS-HEP18：
https://github.com/Atcold/pytorch-Deep-Learning/releases/tag/v1.0.0
纽约大学-DLSP18：https://docs.google.com/document/d/1_p1Mw-NtMGN_vpas_pchLsQC2u0NM5mTnRapBrQ2ivk/edit
Purdue-DLFL16：https://docs.google.com/document/d/1ugJRMqQ_cCUQC1B8mSE0iro7sKrDT8-BnppTZv0rA08/edit
torch-Video-教程：https://github.com/Atcold/torch-Video-Tutorials
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”。
