原标题：14周无监督学习课程，UC伯克利出品，含课件、视频
机器之心收拾
参加：郑丽慧
这份来自 UC 伯克利最新的无监督深度学习 CS294-158 课程一共 14 周，资源中包含 YouTube 高清视频和课件，肯定是不容错失的学习课程。
这份课程包括了两个无需标签数据的深度学习范畴：深度生成模型（Deep Generative Models）和自监督学习（Self-supervised Learning）。生成模型的最新进展使得能够对高维原始数据进行传神的建模，例如天然图画，音频波形和文本语料库；自我监督学习的前进现已开端缩小监督表征学习与无监督表征学习之间的距离，以微调未见使命。
本课程将包括这些主题的理论基础及其新启用的应用程序，你能够观看 YouTube 讲座视频，还能够下载课件的 PDF 版。
课程链接：https://sites.google.com/view/berkeley-cs294-158-sp19/home
导师阵型介绍
这门课程的导师共有 4 位，分别是 Pieter Abbeel、Peter Chen、Jonathan Ho 和 Aravind Srinivas。
从左至右分别是 Pieter Abbeel、Peter Chen、Jonathan Ho 和 Aravind Srinivas。
自 2008 年起，Pieter Abbeel 就在加州伯克利任教，是加州伯克利机器人实验室的负责人，也是机器人公司 covariant.ai 的联合创始人，是机器人范畴的专家。
陈曦（Peter Chen）、何俊森（Jonathan Ho）、阿拉维·斯里尼瓦斯（Aravind Srinivas）三人均为 Pieter Abbeel 名下的博士研究生。
14 周课程安排表
第一周（1/30）
课程 1a：课程概要
课程 1b：鼓励
课程 1c：根据似然的模型 I：自回归模型
第二周（2/6）
课程 2a：根据似然的模型 I：自回归模型（ctd）（与第 1 周幻灯片相同）
课程 2b：无损压缩
课程 2c：根据似然的模型 II：流模型
第三周（2/13）
课程 3a：根据似然的模型 II：流模型（ctd）（与第二周幻灯片相同）
课程 3b：潜在模型变量 I
第四周（2/13）
课程 4a：潜在模型变量 II
课程 4b：Bits-Back 编码
第五周（2/27）
课程 5a：潜在模型变量总结（和潜在模型变量 II 幻灯片相同）
课程 5b：ANS 编码（和 Bits-Back 编码的幻灯片相同）
课程 5c：隐式模型/生成对立网络
第 X 周（3/6）
终究项目评论环节
第六周（3/13）
课程 6a：隐式模型/生成对立网络（与 5c 幻灯片相同）
课程 6b：非生成式表征学习（3/24 更新）
第七周（3/20）
课程 7:非生成式体现学习（与 6b 幻灯片相同）
春假周（3/27）
由学生自行决定
第八周（4/3）
课程 8a：无监督学习的优势/短板
课程 8b：半监督学习
课程 8c：伊利亚·苏茨克弗（Ilya Sutskever）嘉宾课程
第九周（4/10）
课程 9a：无监督散布对齐
课程 9b：阿约沙·埃夫罗斯（Alyosha Efros）嘉宾课程
第十周（4/17）
课程 10:言语模型（亚历克·拉德福德）
第十一周（4/24）
课程 11:强化学习中的表征学习
第十二周（5/1）
课程 12:亚伦·范登奥德（Aaron van den Oord）嘉宾课程（幻灯片不可用）
第十三周（5/8）
考前温习周：无课程
第十四周（5/15）
终究项目展现
本文为机器之心收拾，转载请联络本大众号取得授权。
责任编辑：
