關注賣萌屋比較早的小伙伴，大概還記得2020年初時我們組織的斯坦福大學CS224N自然語言處理公開課追劇計劃，以及后來的斯坦福大學CS520知識圖譜公開課追劇活動。盡管活動已經(jīng)結束很長一段時間，但是仍然有小伙伴后臺問“什么時候開始下一波追劇哇”。

終于，萬能的賣萌屋又幫大家發(fā)現(xiàn)了一門很贊的公開課！這次是UC Berkeley大學出品的 全棧深度學習（Full Stack Deep Learning） ！這門課也是UC Berkeley的2021春季課程。小屋的作者們看完之后直呼nb，必須要分享給小屋的各位小伙伴們！

為什么是它！

盡管市面上很多優(yōu)秀的講深度學習和機器學習理論的書籍（比如花書、蒲公英書等），但深度模型的訓練只是深度學習項目的一個部分，相信工業(yè)界的打工人都會深深認同這句話。

實際工業(yè)界場景中，我們往往需要從最底層的數(shù)據(jù)標注、清洗開始，一步步搭建、調(diào)試模型，直到部署。如圖，左邊是小白想象中的煉丹工作，右邊是實際工業(yè)場景中的pipeline。

然而，僅僅通過看書、看github project乃至跟進國內(nèi)大部分課程，其實都難以練就全棧煉丹能力，最終這項能力還是要在靠譜的工業(yè)界算法團隊得到歷練。

但！幸運的是，UC Berkeley精準的get到這個學校到工業(yè)界的gap，于是有了這門實用的公開課，進而有了賣萌屋的這輪追劇計劃。

課程主頁：

https://course.fullstackdeeplearning.com

核心內(nèi)容包括5個部分：

• 如何定義你的問題，估計項目的費用？

• 怎樣尋找，清洗，標注和增強數(shù)據(jù)？

• 如何選擇合適的神經(jīng)網(wǎng)絡框架和計算資源？

• 怎樣消滅訓練過程中的bugs，保證模型的可復現(xiàn)性？

• 怎樣部署大規(guī)模模型？

本門公開課在整個深度學習技術棧中的位置：

即站在一個更高的層次講解完整的深度學習/機器學習的項目的開發(fā)流程，包括所涉及的核心步驟、可能遇到的問題以及對應的解決方案。

本次追劇活動，由賣萌屋作者、墨爾本大學在讀PhD 花小花Posy 帶刷，大概每周為大家更新一期視頻（雙語字幕）、PPT和上期的討論群FAQ。追劇活動完全公益性質(zhì)，請小伙伴們放心食用。

追劇打卡&討論群傳送門：

滿200人或過期后，在公眾號【夕小瑤的賣萌屋】后臺回復關鍵詞【深度學習追劇】獲取最新討論群入口哦。

后臺回復關鍵詞【入群】

加入賣萌屋NLP/IR/Rec與求職討論群

后臺回復關鍵詞【頂會】

獲取ACL、CIKM等各大頂會論文集！

總結

以上是生活随笔為你收集整理的追剧计划第三弹！UC Berkeley出品，全栈深度学习！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。