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
今天给大家推荐一门加州大学伯克利分校的新开课程CS294深度无监督学习。本课程将涵盖深度学习中不需要标注数据的两个领域:深度生成模型和自监督学习。生成模型的最新进展使得对自然图像、音频波形和文本语料库等高维原始数据进行真实建模成为可能。自监督学习的进步已经开始缩小监督表示学习和非监督表示学习之间的差距，本课程将涵盖这些主题的理论基础以及它们的新应用。

教师介绍：
Pieter Abbeel，加州大学伯克利分校教授、机器人学习实验室主任，伯克利人工智能研究(BAIR)实验室联合主任。
Pieter Abbeel是机器人和强化学习领域的大牛。Pieter Abbeel 2008年从斯坦福大学获得博士学位，师从百度前首席科学家 Andrew Ng（吴恩达），毕业后在UC Berkeley任教。
官网
课程PPT：
https://drive.google.com/file/d/10j_XbM-NUq0RiQz1wZckA0d23ppOS2EH/view
课程视频连接：
https://youtu.be/zNmvH6OXDpk
二、主要内容
下面是这门课的主要目录：
Week 1
第1a讲: 课程安排
第1b讲: 课程动机
第1c讲: 基于似然的模型 Part I: 自回归模型
Week 2
第2a讲: 基于似然的模型 Part I: 自回归模型 (ctd) 
第2b讲: 无损压缩(Lossless Compression)
第2c讲: 基于似然的模型 Part II: 流模型
Week 3
第3a讲：基于似然的模型 Part II：流模型（ctd）
第3b讲：隐变量模型
Week 4
第4a讲：隐变量模型（ctd）（与第3周ppt相同）
第4b讲：比特编码/位反编码
Week 5
第5讲：隐式模型/生成对抗网络
Week 6
第六讲：非生成性表征学习
Week 7
第7a讲：非生成表征学习（ctd）
第7b讲：半监督学习
Week 8
第8讲：表征学习+其他问题
Week 9
第9a讲：无监督分布对齐
第9b讲：客座讲座：Ilya Sutskever
Week 10
第10a讲：无监督分配对齐（ctd）
第10b讲：客座讲座：Durk Kingma
Week 11
第11讲：语言模型（Alec Radford）
Week 12
第12a讲：无监督的表征学习
第12b讲：客座讲座Alyosha Efros
Week 13
第13a讲：待定（TBD）
第13b讲：客座讲座Aaron van den Oord
Week 14
没有课
Week 15
期末项目报告
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“深度无监督学习” 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