DFL представляет собой сборник учебных программ, чтобы помочь вам глубоко понять машинное обучение.

Понимание научно-исследовательских работ может быть трудно. Авторы статей, как правило, предполагают, что вы используете тот же контекст и предыдущие знания, что и они. Когда вы этого не делаете, становится трудно следовать бумаге. Поиск материала, из которого можно понять все ссылки, которые вы не понимаете, может быть утомительным, а качество различных материалов сильно варьируется. Иногда даже не ясно, с чего начать поиск, чтобы прояснить части бумаги.

Мы в DFL разделяем интерес к развитию более глубокого понимания. Вместе мы выбрали несколько современных работ, которые, по нашему мнению, были важны для вдохновения новых идей и исследований. Мы потратили некоторое время, чтобы понять каждую статью и записать основные концепции, на которых они были построены. Затем мы нашли лучший материал для изучения каждой концепции, добавили упражнения для практики нашего понимания и встречались еженедельно, чтобы обсудить каждое из чтений предыдущей недели, чтобы мы могли строго понять содержание.

Мы сделали это в двух местах, один в Google AI в Маунтин-Вью в рамках резиденции Google AI, а другой в Нью-Йоркском университете в рамках класса Джоан Бруна по математике глубокого обучения. Мы поняли, что ресурсы, которые мы собрали, будут полезны для гораздо более широкого сообщества, и это хранилище планов углубленного изучения является результатом этого генезиса.

DFL был разработан, чтобы совместно использоваться и выращиваться сообществом. Это не ограничивается людьми в Google или в Нью-Йорке. Если вы заинтересованы в разработке собственного учебного плана для работы, которую мы еще не проводим, мы поможем вам! Проверьте наши GitHub для примеров и открыть вопрос подробно, какие бумаги вы хотите изучить. Нам нужна ваша помощь в развитии этого ресурса и его обогащении.

Источник: www.depthfirstlearning.com

Комментарии: