深度學習傑出人物專訪系列(Andrew Ng)分享（一）
兩天前，Yotube使用者Preserve Knowledge，在Youtube上分享了一套Andrew NG採訪深度學習領域的傑出人物以一套視訊，包括深度學習之父Geffery Hinton，卷積神經網路創始人Yoshua Bengio，生成對抗GAN創始人Ian Goodfellow等等，分享大牛們的深度學習之路，非常不錯的經驗，我也將陸續和大將分享這些視訊，今天與大家分享NG採訪Geffery Hinton，Yoshua Bengio，Ian GoodFellow的視訊。
Heroes of Deep Learning:
Andrew Ng interviews Geoffrey Hinton
Heroes of Deep Learning:
Andrew Ng interviews Ian Goodfellow
Heroes of Deep Learning:
Andrew Ng interviews Yoshua Bengio
獲取更多深度學習最新資訊快速通道：
往期精彩內容推薦：
更多深度學習在NLP方面應用的經典論文、實踐經驗和最新訊息，歡迎關注微信公眾號“深度學習與NLP”或“DeepLearning_NLP”或掃描二維碼新增關注。
相關推薦
深度學習傑出人物專訪系列(Andrew Ng)分享（一）
兩天前，Yotube使用者Preserve Knowledge，在Youtube上分享了一套Andrew NG採訪深度學習領域的傑出人物以一套視訊，包括深度學習之父Geffery Hinton，卷積神經網路創始人Yoshua Bengio，生成對抗GAN創始人Ian
深度學習在自然語言處理中的應用（一）
資料整理篇 經典教材 Speech and Language Processing (第1,2版內容略陳舊，第三版很入時, 但有些重要章節沒放在網上) https://web.stanford.edu
用深度學習做球星顏值打分完整案例（一）
已經上傳了完整的程式碼和資料，資料比較少，大家可以幫忙補充。專案地址（記得給個start）：https://github.com/jimenbian/face_rank先來說一下專案的背景，這次做的是一個最基礎的影象識別案例，通過訓練一個模型來給NBA球星的顏值打分，嗯，樓主
深度學習筆記二：多層感知機（MLP）與神經網路結構
為了儘量能形成系統的體系，作為最基本的入門的知識，請參考一下之前的兩篇部落格： 神經網路(一):概念 神經網路(二):感知機 上面的兩篇部落格讓你形成對於神經網路最感性的理解。有些看不懂的直接忽略就行，最基本的符號的記法應該要會。後面會用到一這兩篇部落格中
深度學習訓練資料python程式碼——資料增廣（二）
python影象資料增強庫 Augmentor使用比較簡單,只有一些簡單的操作。 imgaug實現的功能更多，可以對keypoint, bounding box同步處理，比如你現在由一些標記好的資料，只有同時對原始圖片和標記資訊同步處理，才能有更多的標記資料進行訓練。我
深度學習之卷積神經網路程式設計實現（二）
void conv_bprop(Layer *layer, Layer *prev_layer, bool *pconnection) { int index = 0; int size = prev_layer->map_w * prev_layer->map_h; // delta
【深度學習基礎-06】支援向量機SVM（下）-線性不可分
1 SVM的優點
【深度學習基礎-05】支援向量機SVM（上）-線性可分
Support Vector Machine 目錄 1背景 2 機器學習的一般框架 3 什麼是超平面 4 線性可區分（linear separatable）和線性不可區分（linear inseparatable） 5 如何計算超平面以及舉例 1背景 Vladim
深度學習筆記——理論與推導之Reinforcement Learning（十三）
Reinforcement Learning（強化學習） Reinforcement Learning 機器學習的分支： 有監督學習是機器學習任務的一種，它從有標記的訓練資料中推匯出預測函式。有標記的訓練資料是指每個訓練例項都包括輸入和期望的輸出。即
基於深度學習的語音識別研究-CTC理論推導（四）
有時候學習真的得循序漸進，並沒有速成的方法，本小白在經歷了大約一個月終於把CTC的從頭到尾大致看完了，下面講一下我的理解，歡迎各位朋友批評指正。 首先，我們得知道為什麼要引入CTC，前面部落格講到，之前在做語音的聲學模型的時候，我們的資料形式是幀與標籤的分別對齊，以Th
深度學習中如何選擇好的優化方法（optimizer）【原理】
除了隨機梯度初始化（SGD），在深度學習中還有很多其他的方法可以對網路進行優化1. 減少網路收斂時間2. 除了學習率（learning rate）還有更多其他的引數3. 比SGD到達更高的分類準確率一. 自適應學習率為了更好的理解優化的方法，這裡我們都是用虛擬碼的方式來進行描
深度學習【8】基於迴圈神經網路（RNN）的端到端（end-to-end）對話系統
注：本篇部落格主要內容來自：A Neural Conversational Model，這篇論文。 http://blog.csdn.net/linmingan/article/details/51077837 與傳統的基於資料庫匹配的對話\翻譯系統不一樣
機器學習、深度學習的理論與實戰入門建議整理（三）
機器學習、深度學習的理論與實戰入門建議整理 http://blog.csdn.net/zyj098765/article/details/52860183 作者：muzhi 目錄 引言 小結 階段三.實戰入門
Caffe深度學習進階之Cifar-10分類任務（上）
前言 Cifar-10資料集是深度學習領域一個常見的資料集。Cifar-10由60000張32*32的RGB彩色圖片構成，一共包含有飛機、汽車、鳥、毛、鹿、狗、青蛙、馬、船、卡車這10個類別。50000張訓練，10000張測試。常被用來作為分類任務來評價深度學
深度學習實踐操作—從小白到大白（四）：Ubuntu下Nvidia（英偉達）驅動安裝
深度學習實踐操作—從小白到大白 目錄 四. ubuntu下Nvidia（英偉達）驅動安裝 1. 前期準備 檢視是否有NVIDIA顯示卡 nvidia-smi 將n
深度學習實踐操作—從小白到大白（五）：cuda & cudnn安裝
深度學習實踐操作—從小白到大白 目錄 五. cuda & cudnn安裝 1. CUDA8.0安裝及配置 sudo dpkg -i cuda-repo-ubuntu1604-8-0-rc_8.0.27-1_am
詳解深度學習中的Normalization，不只是BN（2）
“深度神經網路模型訓練之難眾所周知，其中一個重要的現象就是 Internal Covariate
深度學習實踐操作—從小白到大白（三）：Linux遠端控制
深度學習實踐操作—從小白到大白 目錄 三. Linux遠端控制 在具體使用時，特別是實驗室或者工作時多人使用同一臺伺服器，一般通過本機遠端控制。 本機是Linux系統，使用ssl指令即可：ssh –l 使用者名稱 IP地址 ssh
機器學習中的範數規則化之（一）L0、L1與L2範數
[0 證明 基本上 復雜度 所有 img 方法 風險 機器學習 機器學習中的範數規則化之（一）L0、L1與L2範數 [email protected]/* */ http://blog.csdn.net/zouxy09 轉自：http://blog.csdn.n
C#系列之基礎知識點（一）
命名規則 系列 字符 註釋 編輯器 小數類型 智能 規則 解釋 知識點一：VS啟動方法 第一種：雙擊圖標 第二種：window+R——調出cmd，輸入devenu properties 屬性的意思 知識點二:後綴名解釋 .sln 解決方案文件：包含整個解決方案的信息 .