本文整理了深度学习基础、卷积网络和循环网络的学习笔记，附下载哦~[ 导读 ]吴恩达在推特上展示了一份由 TessFerrandez 完成的深度学习专项课程信息图，这套信息图优美地记录了深度学习课程的知识与亮点。因此它不仅仅适合初学者了解深度学习，还适合机器

热火朝天的人工智能技术，在许多领域都有令人印象深刻的成效，但依然掩盖不了缺乏真正人脑意识的事实。因此，研究人员决心找到缺失的东西。你需要知道的是，深度学习已经在无人驾驶汽车、语音识别和其他众多方面产生了革命性的影响。

本文将为你介绍如何用贝叶斯方法结合深度学习的方法运用在机器学习中。[ 导读 ]在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前

本课程内容涵盖了深度学习的基础内容，以及较新的强化学习、GAN等。[ 导读 ]CMU深度学习秋季课程开课了！在深度学习研究领域CMU一直走在世界前列，其课程几乎是入门首选材料，课程的slides和video将随着课程进度陆续公开，想要系统地学习并掌握深度学

本文列举出了近年来深度学习的重要研究成果，从方法、架构，以及正则化、优化技术方面进行概述。小编认为，这篇综述对于刚入门的深度学习新手是一份不错的参考资料，在形成基本学术界图景、指导文献查找等方面都能提供帮助。Wang 等人以时间顺序的方式描述了深度学习模型

在NLP社区中曾流行着这样一个玩笑，说是一个带注意力机制的LSTM模型在任何的NLP任务上的表现都是最好的。虽然这在过去的两年中确实如此，但这个模型已经成为了现在标准的baseline，随着NLP社区的逐步发展，大家开始转向使用其他更加有趣的模型。词向量技

RNN是深度学习中用于处理时序数据的关键技术， 目前已在自然语言处理， 语音识别， 视频识别等领域取得重要突破， 然而梯度消失现象制约着RNN的实际应用。LSTM和GRU是两种目前广为使用的RNN变体，它们通过门控机制很大程度上缓解了RNN的梯度消失问题，

斯坦福的 CS231n 是深度学习和计算机视觉领域的经典课程之一。近日，斯坦福又开放了由李飞飞主讲的 CS231n Spring 2017 全部视频课程。最终，学生将完成包含数百万个参数的卷积神经网络的训练任务，并将其应用于最大的图像分类数据集。除了李飞飞

An Introduction to PyTorch – A Simple yet Powerful Deep LearningLibrary. 本文约3600字，建议阅读15分钟。本文通过案例带你一步步上手PyTorch。每隔一段时间，就会有一个有潜力改

昨天，Q1的财报发布后几小时，英伟达的股价就暴涨14%。今天，老黄的Keynote还没讲完，英伟达市值就被推高20%，突破700亿美元。今天，我们特意邀请到两位芯片领域的专家，专门来聊聊英伟达的新技术，以及这场AI芯片大战的关键看点。而英伟达却第一时间成为

上一期我们发布了“一文读懂TensorFlow”，带领大家对TensorFlow进行了全面了解，并分享了入门所需的网站、图书、视频等资料，本期文章就来带你一步步上手TensorFlow。深度学习算法的成功使人工智能的研究和应用取得了突破性进展，并极大地改变

长短期记忆网络是一种强大的递归神经网络，能够学习长观察值序列。LSTM的一大优势是它们能有效地预测时间序列，但是作这种用途时配置和使用起来却较为困难。LSTM的一个关键特性是它们维持一个内部状态，该状态能在预测时提供协助。这就引出了这样一个问题：如何在进行

AI100 已经引入 Hugo Larochelle 教授的深度学习课程，会每天在公众号中推送一到两节课，并且对视频中的 PPT 进行讲解。课后，我们会设计一系列的问题来巩固课程中的知识。本节课是 Hugo Larochelle 教授深度学习第五章节的第五

上周 TensorFlow 1.0 的发布使之成为最有前景的深度学习框架，也在中国 AI 社区中掀起了学习 TensorFlow 的热潮，不过光跑例子怎能脱颖而出？本文是数据科学公司的数据工程师 Matt Rubashkin 的一篇实战派文章，介绍了他如何

说明：本文为斯坦福大学CS224d课程的中文版内容笔记，已得到斯坦福大学课程@Richard Socher教授的授权翻译与发表。这是本课程的第一节，我们会先介绍自然语言处理的概念和NLP现在所面对问题；然后开始讨论用数学向量代表自然语言词组的设想。NLP的