点击上方“AI遇见机器学习”，选择“星标”公众号
重磅干货，第一时间送达
一、资源简介

自监督学习是目前深度学习社区中发展迅速的研究方向之一，吸引了大量的研究人员投入其中，本文为大家整理了ICML会议上，DeepMind出品的权威教程，帮助了解自监督学习领域的发展方向。
首先，监督学习是目前最常见的机器学习类型。给定一组样本（通常由人工标注），他可以学会将输入数据映射到已知目标。一般来说，近年来过度关注的深度学习应用几乎都属于监督学习，比如光学字符识别、语音识别、图像分类和语言翻译。而自监督学习是监督学习的一个特例，它与众不同，值得单独分为一类。自监督学习是没有人工标注标签的监督学习，可以将它看作没有人类参与的监督学习。标签仍然存在（因为总要有什么东西来监督学习过程），但它们是从输入数据中生成的，通常使用启发式算法生成的。
二、主要内容
自监督学习，是非常有前途的一种技术方向，其中采用了基于代理的学习思想，允许模型和代理在没有显式监督的情况下进行学习，这将有助于提高任务的下游性能，自监督学习的一个主要好处是提高了数据效率，并且使用了更少的标记数据，或更少的环境步骤（在强化学习/机器人技术中）实现更好的性能。
这份ppt材料主要讲述了下面的内容：
  1. 图像或视频中的自监督学习
  2. 视频-音频中的自监督学习
  3. 其他领域中可用于自监督学习的成对信号场景
三、资源分享
同时为了方便大家，我们把最新资料打包好了，可以直接下载哦~
获取方式：
1. 关注我们的公众号“AI遇见机器学习”
2. 后台回复“自监督2019” 即可以获取资料哈~（建议复制，避免错字）
推荐阅读
干货|学术论文怎么写
资源|NLP书籍及课程推荐（附资料下载）
干货|全面理解N-Gram语言模型
资源|《Machine Learning for OpenCV》书籍推荐
欢迎关注我们，看通俗干货！
继续阅读
阅读原文