mit春季课程6.883 link
1.课程介绍
这一课程的目的在于介绍深度学习领域的基本知识，并覆盖近年来深度学习发展的基本观点和发展脉络。课程将探索优化、模型泛化性、生成模型（GAN,VAE）以及机器学习的前沿领域，包括可解释性、鲁棒性和深度强化学习等。
课程由Constantinos Daskalakis和Aleksander Mądry教授。
2.课程内容
课程将分为五个部分，分别是：
机器学习基础，包括连续优化模型、泛化性、优化方法和SGD等；
生成模型，包括GAN，游戏理论分布等；
鲁棒的机器学习，包括对抗样本和攻击以及数据污染、统计因素、差分隐私等；
深度强化学习，包括了强化学习介绍，蒙特卡洛方法、策略梯度和一些面临的挑战等
深度学习对社会的影响，包括公平性、可解释性、因果性和AI安全等。
