翻译 | AI科技大本营
参与 | 刘畅、Donna
目前，深度学习和深度强化学习曾经在理论中失掉了普遍的运用。资源型博客sky2learn整理了15个 深度学习 和深化强化学习相关的在线课程，其中包括它们在自然言语处置（NLP），计算机视觉和控制零碎中的使用教程。
这些课程涵盖了神经网络，卷积神经网络，循环网络和其变体，训练深度网络的困难，无监视表示学习，深度信心网络，深玻尔兹曼机器，深度Q学习，价值函数估量和优化以及蒙特卡洛树搜索等多种算法的根底知识。
吴恩达：深度学习专项
这系列课程侧重于解说深度学习的根底和在不同范畴的运用方式，如医疗安康，自动驾驶，手语阅读，音乐生成和自然言语处置等。课程共包括五个子课程，有视频讲座。同时，课程用户将取得运用TensorFlow处理实践成绩的理论经历。
https://www.coursera.org/specializations/deep-learning
CMU: 深度学习
该课程由苹果人工智能研讨所主任Ruslan Salakhutdinov主导。课程首先解说了一些例如前馈神经网络、反向传达、卷积模型等的根本知识。然后引见深度学习中的要点，包括有向图和无向图模型，独立成分剖析（ICA），稀疏编码，自动编码器，限制玻尔兹曼机（RBM），蒙特卡罗办法，深度信心网络，深度玻尔兹曼机和亥姆霍兹机。其他内容包括深度网络中的正则化和优化、序列建模和深度强化学习。
http://www.cs.cmu.edu/~rsalakhu/10707/
斯坦福大学：深度学习实际（Stat385）
本课程讨论深度学习实际方面的知识。有8次特邀嘉宾讲座，这些嘉宾是深度学习、计算神经迷信和统计学方面的领军人物。您将无机会在深度学习中，针对以后的研讨趋向，探究他们观念的多样性和跨学科性。这门课有视频讲座。
https://stats385.github.io/
Yoshua Bengio: 深度学习
该课程由蒙特利尔大学主导。课程首先回忆了神经网络的根本知识，包括感知器，反向传达算法和梯度优化。然后引见了神经网络、概率图形模型、深度网络和表示学习等前沿知识。
Outline
UC Berkeley: 深度强化学习
该课程包括强化学习的根本知识：Q-学习和战略梯度，同时还包括了初级模型学习和预测、提取、奖励学习以及初级深度强化学习，例如信任域战略梯度办法、actor-critic办法、探究办法。本门课有视频讲座。
http://rll.berkeley.edu/deeprlcourse/
Yoshua Bengio: 深度学习与强化学习暑期学校
暑期学校是由Yoshua Bengio和他的同事们组织。课程包括了深度学习和强化学习两个方向，内容有两个范畴的根本知识，研讨趋向和最新发现。课程特别约请这两个范畴的次要学者和研讨人员停止解说。暑期学校有视频讲座。
Deep Learning and Reinforcement Learning Summer School 2017
Google & Udacity: 深度学习
该课程由谷歌首席迷信家Vincent Vanhoucke和Udacity的Arpan Chakraborty共同创建。课程内容包括深度学习、深层神经网络、卷积神经网络和针对文本和序列的深层模型。课程作业要求运用tensorflow。这门课有视频讲座。
https://cn.udacity.com/course/deep-learning–ud730
斯坦福大学：基于深度学习的自然言语处置（CS224n）
该课程是2017年冬斯坦福大学 “cs224n：深度学习中的自然言语处置”课程的紧缩版，也是斯坦福大学2018课程的延续版。课程讨论了如何将深度学习使用在自然言语处置中，自然言语处置中的成绩以及在自然言语处置中运用深度学习的限制。讲师有Christopher Manning和Richard Socher。
https://www.youtube.com/playlist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6
牛津大学：自然言语处置中的深度学习
本课程涵盖深度学习的根本原理以及如何将其使用在自然言语处置中。用户将学习如何定义这个范畴中的数学成绩，以及取得运用CPU和GPU的实践编程的经历。讲师辨别来自牛津大学、CMU、DeepMind和英伟达公司。 这门课程包括视频讲座。
https://github.com/oxford-cs-deepnlp-2017/lectures
李飞飞：视觉辨认中的卷积神经网络（cs231n）
本课程将涵盖深度学习的根底知识，以及如何将深度学习技术使用于计算机视觉。先生将经过作业和最终项目取得如何训练和微调神经网络的理论经历。该课程次要运用Python言语。本课程包括视频讲座。
http://cs231n.stanford.edu/
CMU: 深度强化学习与控制
本课程由苹果人工智能研讨所主任Ruslan salakhutdinovat和CMU的Katerina Fragkiadaki主导。内容包括深度学习，强化学习，马尔可夫链决策进程（MDP），局部可观马尔可夫链决策进程（POMDPs），时序差分学习，Q学习，深度学习，深入Q学习的根底知识。前沿话题包括最优化控制、轨道优化、层次强化学习和迁移学习。
https://katefvision.github.io/
CMU: 深度学习入门
本课程由苹果公司人工智能研讨所主任Ruslan Salakhutdinov主导，对深度学习做了一个疾速而深化的引见。课程共分为四个一小时时长的视频讲座，涵盖了监视学习，无监视学习，以及深度学习中的模型评价和开放式的研讨成绩等外容。
https://simons.berkeley.edu/talks/tutorial-deep-learning
RLDM: 深度强化学习入门
课程由DeepMind的David Silver主导，宣布于第二届强化学习与决策多学科会议（RLDM）上。在这一个半小时的视频教程中，用户将理解深度学习，强化学习的根本原理，以及如何将深度学习和强化学习以各种方式结合：即深度价值函数，深度战略，和深度模型。此外，用户还能向顶级专家学习如何处置这些办法中的发散成绩。
UC Berkeley: 深度强化学习入门
这是一个关于强化学习长达一小时的教程，配有视频讲座。用户将看到强化学习能有多凶猛。
https://simons.berkeley.edu/talks/pieter-abbeel-2017-3-28
MLSS: 深度强化学习入门
课程由OpenAI公司的研讨迷信家John Schulman主导，包括4个1小时长的视频讲座，并带有针对实验室成绩的练习。
https://www.youtube.com/playlist?list=PLjKEIQlKCTZYN3CYBlj8r58SbNorobqcp
原文地址：https://sky2learn.com/deep-learning-reinforcement-learning-online-courses-and-tutorials-theory-and-applications.html