斯坦福大学#深度多任务学习与元学习#视频及讲义下载

#Stanford CS330 2019秋# #多任务学习# #元学习#

CS 330: Deep Multi-Task and Meta Learning

深度学习在图像分类、语音识别、游戏等监督学习和强化学习问题上取得了显著的成功,但这些模型在很大程度上是针对单一任务进行训练的专业化模型。

本课程将涉及到有多个任务需要解决的环境,研究如何利用多个任务产生的结构进行更高效的学习。包括:

1、目标条件下的强化学习技术,利用提供的目标空间结构,显著加快学习许多任务的速度。

2、元学习方法,旨在学习高效的学习算法,可以快速学习新任务。

3、curriculum and lifelong learning,需要学习一连串的任务,利用它们的共享结构来实现知识的迁移。

这是一门研究生级别的课程。课程结束时,你将能够理解和实现最先进的多任务学习和元学习算法。

课程讲义在【我爱计算机视觉】公众号后台回复{CS330}获取

课程大纲:

  • Course introduction, problem definitions, applications

  • Supervised multi-task learning, black-box meta-learning

  • Optimization-based meta-learning

  • Few-shot learning via metric learning

  • Bayesian meta-learning

  • Renforcement learning primer, multi-task RL, goal-conditioned RL

  • Meta-RL, learning to explore

  • Model-based RL for multi-task learning, meta model-based RL

  • Lifelong learning: problem statement, forward & backward transfer

  • Frontiers: Memorization, unsupervised meta-learning, open problems

视频已搬运到B站【我爱计算机视觉】

B站地址:

https://www.bilibili.com/video/BV1zZ4y1M76Z/

课程主页:

https://cs330.stanford.edu/

课程视频:

https://www.youtube.com/playlist?list=PLoROMvodv4rMC6zfYmnD7UG3LVvwaITY5

END

在看,让更多人看到

(0)

相关推荐