Главная
Study mode:
on
1
MIT Introduction to Deep Learning | 6.S191
2
MIT 6.S191: Recurrent Neural Networks, Transformers, and Attention
3
MIT 6.S191: Convolutional Neural Networks
4
MIT 6.S191: Deep Generative Modeling
5
MIT 6.S191: Reinforcement Learning
6
MIT 6.S191: Language Models and New Frontiers
7
MIT 6.S191: (Google) Generative AI for Media
8
MIT 6.S191: Building AI Models in the Wild
9
MIT Introduction to Deep Learning (2023) | 6.S191
10
MIT 6.S191 (2023): Recurrent Neural Networks, Transformers, and Attention
11
MIT 6.S191 (2023): Convolutional Neural Networks
12
MIT 6.S191 (2023): Deep Generative Modeling
13
MIT 6.S191 (2023): Robust and Trustworthy Deep Learning
14
MIT 6.S191 (2023): Reinforcement Learning
15
MIT 6.S191 (2023): Deep Learning New Frontiers
16
MIT 6.S191 (2023): Text-to-Image Generation
17
MIT 6.S191 (2023): The Modern Era of Statistics
18
MIT 6.S191 (2023): The Future of Robot Learning
19
MIT Introduction to Deep Learning (2022) | 6.S191
20
MIT 6.S191 (2022): Recurrent Neural Networks and Transformers
21
MIT 6.S191 (2022): Convolutional Neural Networks
22
MIT 6.S191 (2022): Deep Generative Modeling
23
MIT 6.S191 (2022): Reinforcement Learning
24
MIT 6.S191 (2022): Deep Learning New Frontiers
25
MIT 6.S191: LiDAR for Autonomous Driving
26
MIT 6.S191: Automatic Speech Recognition
27
MIT 6.S191: AI for Science
28
MIT 6.S191: Uncertainty in Deep Learning
29
MIT 6.S191 (2021): Introduction to Deep Learning
30
MIT 6.S191 (2021): Recurrent Neural Networks
31
MIT 6.S191 (2021): Convolutional Neural Networks
32
MIT 6.S191 (2021): Deep Generative Modeling
33
MIT 6.S191 (2021): Reinforcement Learning
34
MIT 6.S191 (2021): Deep Learning New Frontiers
35
MIT 6.S191: Evidential Deep Learning and Uncertainty
36
MIT 6.S191: AI Bias and Fairness
37
MIT 6.S191: Deep CPCFG for Information Extraction
38
MIT 6.S191: Taming Dataset Bias via Domain Adaptation
39
MIT 6.S191: Towards AI for 3D Content Creation
40
MIT 6.S191: AI in Healthcare
41
MIT 6.S191 (2020): Introduction to Deep Learning
42
MIT 6.S191 (2020): Recurrent Neural Networks
43
MIT 6.S191 (2020): Convolutional Neural Networks
44
MIT 6.S191 (2020): Deep Generative Modeling
45
MIT 6.S191 (2020): Reinforcement Learning
46
MIT 6.S191 (2020): Deep Learning New Frontiers
47
MIT 6.S191 (2020): Neurosymbolic AI
48
MIT 6.S191 (2020): Generalizable Autonomy for Robot Manipulation
49
MIT 6.S191 (2020): Neural Rendering
50
MIT 6.S191 (2020): Machine Learning for Scent
51
Barack Obama: Intro to Deep Learning | MIT 6.S191
52
MIT 6.S191 (2019): Introduction to Deep Learning
53
MIT 6.S191 (2019): Recurrent Neural Networks
54
MIT 6.S191 (2019): Convolutional Neural Networks
55
MIT 6.S191 (2019): Deep Generative Modeling
56
MIT 6.S191 (2019): Deep Reinforcement Learning
57
MIT 6.S191 (2019): Deep Learning Limitations and New Frontiers
58
MIT 6.S191 (2019): Visualization for Machine Learning (Google Brain)
59
MIT 6.S191 (2019): Biologically Inspired Neural Networks (IBM)
60
MIT 6.S191 (2019): Image Domain Transfer (NVIDIA)
61
MIT 6.S191 (2018): Introduction to Deep Learning
62
MIT 6.S191 (2018): Sequence Modeling with Neural Networks
63
MIT 6.S191 (2018): Convolutional Neural Networks
64
MIT 6.S191 (2018): Deep Generative Modeling
65
MIT 6.S191 (2018): Deep Reinforcement Learning
66
MIT 6.S191 (2018): Deep Learning Limitations and New Frontiers
67
MIT 6.S191 (2018): Issues in Image Classification
68
MIT 6.S191 (2018): Faster ML Development with TensorFlow
69
MIT 6.S191 (2018): Deep Learning - A Personal Perspective
70
MIT 6.S191 (2018): Beyond Deep Learning: Learning+Reasoning
71
MIT 6.S191 (2018): Computer Vision Meets Social Networks
Description:
Deep Learning can help you create high-quality and highly realistic videos and quality models for generating those videos. It can be used to create fully simulated environments of the real world and create virtual worlds.Deep Learning is subset of machine learning focused on extracting patterns from data using neural networks and use those patterns to inform the learning tasks. It is all about teaching computers how to learn a task from raw data.The course will start with the foundations of deep learning and neural networks and conclude with guest lectures and student projects.

Introduction to Deep Learning

Massachusetts Institute of Technology
Add to list
#Computer Science #Deep Learning #Machine Learning #Reinforcement Learning #Artificial Intelligence #Neural Networks #Generative AI #Generative Modeling #Domain Adaptation
0:00 / 0:00
1 of 71

MIT Introduction to Deep Learning | 6.S191