麻省理工这本《理解深度学习》的免费书可太好了。

麻省理工这本《理解深度学习》的免费书可太好了。 深入讲解了深度学习的大部分概念。 而且每个章节都有搭配的PPT可以下载,还有对应练习的Python代码。 内容包括监督学习、神经网络、损失函数、正则化、卷积网络、Transformers、扩散模型、强化学习等。 这里下载PDF和课件,页面上还有更多分支的学习路径和资源:

相关推荐

封面图片

MIT麻省理工学院关于深度学习方法的入门课程 || #机器学习

MIT麻省理工学院关于深度学习方法的入门课程 || #机器学习 麻省理工学院深度学习方法入门课程,可应用于计算机视觉、自然语言处理、生物学等领域! 学生将获得深度学习算法的基础知识,并获得在 TensorFlow 中构建神经网络的实践经验。 先修课程需要微积分(即求导数)和线性代数(即矩阵乘法),有 Python 经验者将有所帮助,但并非必要。

封面图片

《麻省理工学院公开课:供应链管理》

《麻省理工学院公开课:供应链管理》 简介:本书系统解析麻省理工学院公开课:供应链管理的核心内容,并结合实用案例帮助读者加深理解。内容涵盖其发展历程、关键概念及实际应用,提供深入的知识探索路径。适合对该主题有兴趣的学习者,帮助拓宽视野并提高专业素养。 标签: #麻 #麻省理工 #知识 #学习 文件大小:NG 链接:https://pan.quark.cn/s/f67d29b69fd8

封面图片

麻省理工学院的AI突破:对抗MRSA的新型抗生素先锋

麻省理工学院的AI突破:对抗MRSA的新型抗生素先锋 利用一种被称为深度学习的人工智能,麻省理工学院的研究人员发现了一类化合物,这种化合物可以杀死一种耐药细菌,这种细菌每年导致美国一万多人死亡。在最近发表于《自然》(Nature)的一项研究中,研究人员发现这些化合物可以杀死在实验室培养皿中生长的耐甲氧西林金黄色葡萄球菌(MRSA),以及在两种 MRSA 感染小鼠模型中生长的耐甲氧西林金黄色葡萄球菌。这些化合物对人体细胞的毒性也很低,因此特别适合作为候选药物。这项新研究的一个关键创新点是,研究人员还弄清了深度学习模型在预测抗生素效力时使用了哪些信息。这些知识可以帮助研究人员设计出更多的药物,它们可能比模型识别出的药物效果更好。"我们的洞察力在于,我们可以看到模型学习到了什么,从而预测出某些分子会成为很好的抗生素。"麻省理工学院医学工程与科学研究所(IMES)和生物工程系的特米尔医学工程与科学教授詹姆斯-柯林斯(James Collins)说:"我们的工作提供了一个框架,从化学结构的角度来看,它既省时、省资源,又具有机理上的洞察力。"这项研究是麻省理工学院"抗生素-人工智能项目"(Antibiotics-AI Project)的一部分,该项目由柯林斯领导。该项目是麻省理工学院抗生素-人工智能项目的一部分。该项目由柯林斯领导,其任务是在七年内发现针对七种致命细菌的新型抗生素。用人工智能应对 MRSA在美国,每年有超过 8 万人感染 MRSA,它通常会引起皮肤感染或肺炎。严重病例可导致败血症,这是一种可能致命的血液感染。在过去几年里,柯林斯和他在麻省理工学院阿卜杜勒-拉蒂夫-贾米尔健康机器学习诊所(Jameel Clinic)的同事们开始利用深度学习尝试寻找新的抗生素。他们的工作已经产生了针对鲍曼不动杆菌(一种常见于医院的细菌)和许多其他耐药细菌的潜在药物。这些化合物是利用深度学习模型确定的,该模型可以学习识别与抗菌活性相关的化学结构。然后,这些模型会筛选数百万种其他化合物,预测哪些化合物可能具有较强的抗菌活性。事实证明,这类搜索富有成效,但这种方法的一个局限是,模型是"黑盒子",也就是说,无法知道模型是根据什么特征进行预测的。如果科学家们知道模型是如何做出预测的,他们就能更容易地找出或设计出更多的抗生素。黄说:"我们在这项研究中要做的就是打开黑盒子。这些模型由大量模拟神经连接的计算组成,没有人真正知道这底下发生了什么"。提高人工智能的预测准确性首先,研究人员使用大幅扩展的数据集训练了一个深度学习模型。他们通过测试约 3.9 万种化合物对 MRSA 的抗生素活性生成了这些训练数据,然后将这些数据以及化合物的化学结构信息输入模型。Wong说:"基本上可以将任何分子表示为化学结构,还可以告诉模型该化学结构是否具有抗菌性。这个模型是在许多这样的例子中训练出来的。如果你给它任何新的分子、新的原子和化学键排列,它就能告诉你该化合物被预测为抗菌的概率。"为了弄清该模型是如何做出预测的,研究人员采用了一种被称为蒙特卡洛树搜索的算法,这种算法已被用来帮助使其他深度学习模型(如AlphaGo)更易于解释。这种搜索算法不仅能让模型对每种分子的抗菌活性做出估计,还能预测该分子的哪些亚结构可能会产生这种活性。人工智能驱动的药物发现过程为了进一步缩小候选药物的范围,研究人员又训练了三个深度学习模型,以预测化合物是否对三种不同类型的人体细胞有毒。通过将这些信息与抗菌活性预测相结合,研究人员发现了既能杀死微生物,又能对人体产生最小不良影响的化合物。利用这组模型,研究人员筛选了大约 1200 万种化合物,所有这些化合物都可以在市场上买到。根据分子中的化学子结构,模型从这些化合物中识别出了五种不同类别的化合物,这些化合物预计对 MRSA 具有活性。有希望的成果和未来方向研究人员购买了大约 280 种化合物,并对它们进行了针对在实验室培养皿中生长的 MRSA 的测试,从而确定了同一类中的两种似乎非常有希望成为候选抗生素的化合物。在两种小鼠模型(一种是 MRSA 皮肤感染模型,另一种是 MRSA 全身感染模型)的测试中,每种化合物都能将 MRSA 的数量减少 10 倍。实验发现,这些化合物似乎通过破坏细菌在细胞膜上维持电化学梯度的能力来杀死细菌。许多关键的细胞功能都需要这种梯度,包括产生 ATP(细胞用来储存能量的分子)的能力。柯林斯实验室在 2020 年发现的一种候选抗生素Halicin似乎也是通过类似的机制发挥作用的,但它对革兰氏阴性细菌(细胞壁较薄的细菌)具有特异性。MRSA 是一种革兰氏阳性细菌,细胞壁较厚。Wong说:"我们有相当有力的证据表明,这种新的结构类药物通过选择性地消散细菌中的质子动力,对革兰氏阳性病原体具有活性。这些分子选择性地攻击细菌细胞膜,而不会对人类细胞膜造成实质性损害。我们大幅增强的深度学习方法使我们能够预测这一类新结构的抗生素,并发现它对人类细胞没有毒性。"研究人员与Phare Bio 分享了他们的研究成果,Phare Bio 是柯林斯等人创办的非营利组织,也是抗生素人工智能项目的一部分。该非营利组织目前计划对这些化合物的化学特性和潜在临床用途进行更详细的分析。与此同时,柯林斯的实验室正在根据新研究的结果设计更多的候选药物,并利用这些模型寻找能杀死其他类型细菌的化合物。Wong说:"我们已经在利用基于化学子结构的类似方法来重新设计化合物,当然,我们也可以随时采用这种方法来发现针对不同病原体的新型抗生素。"编译自:ScitechDaily ... PC版: 手机版:

封面图片

《深度学习入门 基于Python的理论与实现[pdf] 》

《深度学习入门 基于Python的理论与实现[pdf] 》 简介:一本适合初学者的实践指南,系统讲解深度学习基础概念与数学原理,结合Python代码实现神经网络模型。内容涵盖感知机、误差反向传播、卷积网络等核心知识,通过手写NumPy代码替代框架调用,帮助读者从底层理解算法运作机制。 亮点:①以“脱框架”方式剖析神经网络本质,强化理论认知;②每章配套训练任务与源代码,实现算法即学即用;③内容编排由浅入深,图文代码结合降低学习曲线。 标签: #深度学习基础 #Python编程 #手写神经网络 #计算机视觉 #电子书 #PDF教材 #零基础数学推导 #实战代码 链接:https://pan.quark.cn/s/4ef18ffd12db

封面图片

麻省理工学院长期教授、计算机科学家阿文德去世 享年77岁

麻省理工学院长期教授、计算机科学家阿文德去世 享年77岁 阿文德是一位多产的研究人员,曾领导计算机科学与人工智能实验室(CSAIL)的计算结构小组,在麻省理工学院任教近五十年。萨利-科恩布鲁斯(Sally Kornbluth)校长今天在致麻省理工学院社区的一封信中写道:"他深受麻省理工学院社区和世界各地无数人的爱戴,他的智慧才华和对生活的热情激励着他们。"作为一名科学家,阿文德因其在数据流计算方面的重要贡献而闻名,数据流计算旨在优化数据流,以利用并行性,实现更快、更高效的计算。在过去的 25 年中,他的研究兴趣扩展到为微处理器和硬件加速器等复杂数字设备的形式建模、高级综合和形式验证开发技术和工具,以及并行计算架构和编程语言的内存模型和高速缓存一致性协议。认识阿文德的人都说他是一个罕见的人,他的兴趣和专长从高层次的理论形式系统一直到语言和编译器,再到硅硬件的门和结构。从减少数据中心所需的能源和空间,到简化更高效的多核计算机芯片设计,阿文德的研究成果应用广泛。"阿文德既是计算机体系结构和编程语言领域的杰出学者,也是一位兢兢业业的教师,他为我们的学生带来了系统级思维。他还是一位杰出的学术带头人,经常领导课程改革,并以有意义、有影响的方式为工程理事会做出贡献。"首席创新与战略官、工程学院院长、电气工程与计算机科学 Vannevar Bush 讲座教授 Anantha Chandrakasan 说:"我将非常怀念他的睿智建议。""阿文德的正能量和他爽朗的笑声照亮了许多人的生活。他为同事和几代学生提供了经久不衰的睿智建议。他致力于追求卓越的学术成就,不仅改变了计算机体系结构和并行计算方面的研究,还将这一承诺带到了他作为电子工程科学系计算机科学教研室主任的工作中。"麻省理工学院苏世民计算机学院院长、电气工程与计算机科学亨利-埃利斯-沃伦(Henry Ellis Warren)教授 Dan Huttenlocher 说:"他给我们所有有幸与他共事的人留下了持久的影响。"阿文德在坎普尔印度理工学院求学期间对并行计算产生了浓厚的兴趣,并于 1969 年获得该校学士学位。1972 年和 1973 年,他分别获得明尼苏达大学计算机科学硕士和博士学位,研究操作系统和程序行为数学模型。1974 年至 1978 年,他在加州大学欧文分校任教,之后加入麻省理工学院。在麻省理工学院,阿文德的小组研究并行计算和声明式编程语言,他领导开发了两种并行计算语言:Id 和 pH。20 世纪 90 年代,他一直致力于这些编程语言的研究,并于 2001 年与合著者 R.S. Nikhil 出版了《pH 中的隐式并行编程 》 一书,这是 20 多年研究的结晶。除研究工作外,阿文德还是 EECS 的重要学术带头人。他曾担任该系计算机科学教研室主任,在麻省理工学院苏世民计算机学院成立后,他在帮助 EECS 重组方面发挥了关键作用。"阿文德坚持不懈的积极态度、坚定不移的乐观主义、无边无际的慷慨和作为研究人员的非凡力量确实鼓舞人心,给所有有幸认识他的人留下了深刻的印记。我非常感谢他给我们的生活带来的光明,以及他对我们社区的根本性影响,"电气工程与计算机科学安德鲁和埃尔纳-维特比教授兼 CSAIL 主任 Daniela Rus 说。他在数据流和并行计算方面的工作促成了 20 世纪 80 年代末和 90 年代初的季风项目。阿文德的小组与摩托罗拉公司合作,制造了 16 台数据流计算机器,并开发了相关软件。其中一台 Monsoon 数据流计算机现存于加利福尼亚州山景城的计算机历史博物馆。正如他在 2012 年接受电气和电子工程师学会(IEEE)采访时所解释的那样,20 世纪 90 年代,并行计算研究资金开始枯竭,阿文德的工作重心随之转移。他回忆说:"微处理器的速度越来越快,人们认为不需要它了。"相反,他开始将其团队在并行编程中学习和开发的技术应用到数字硬件的原理设计中。除了指导麻省理工学院的学生和年轻同事,阿文德还为许多国家的大学和政府提供并行编程和半导体设计方面的研究咨询。基于他在数字硬件设计方面的工作,Arvind 于 2000 年创立了 Sandburst 公司,这是一家无晶圆厂半导体芯片制造公司。Sandburst 后来被博通收购。阿文德和他的学生们还开发了一种编程语言 Bluespec,旨在实现芯片设计的自动化。在这项工作的基础上,他于 2003 年与他人共同创办了初创公司 Bluespec, Inc.,致力于开发实用工具,帮助工程师简化设备设计。过去十年间,他致力于推动麻省理工学院的本科生教育,为 6.004(计算结构)和 6.191(深度学习导论)课程引入现代设计工具,并将与 Bluespec 密切相关的编程语言 Minispec 纳入其中。由于在数据流和多线程计算以及硬件高级合成工具开发方面做出的上述贡献和其他贡献,Arvind 于 2008 年和 2012 年分别荣获美国国家工程院院士和美国艺术与科学院院士称号。 他还被本科母校印度理工学院坎普尔分校评为杰出校友。"阿文德不仅是EECS社区的支柱和计算机科学的泰斗,他还是一位受人爱戴的同事和值得珍惜的朋友。我们这些有幸与 Arvind 共事和合作的人对他的突然离世感到悲痛欲绝。他的仁慈和幽默坚定不移;他的指导深思熟虑;他的指导是无价之宝。"麻省理工学院苏世民计算机学院副院长兼电子工程与电子技术系主任 Asu Ozdaglar 说:"我们将深深地怀念他。"阿文德曾获得印度国家科学院院士、美国计算机协会和电气和电子工程师学会研究员等众多奖项,并于2012年获得电气和电子工程师学会颁发的哈里-H-古德纪念奖,该奖旨在表彰对信息处理领域的理论或实践做出的重大贡献。阿文德是一位谦逊的科学家,他首先指出,这些成就的取得离不开他杰出而出色的合作者。这些合作者中最重要的是他有幸在麻省理工学院共事过的本科生和研究生。 据他的家人说,他与这些学生在专业和个人方面都保持着良好的关系,他把这些关系看得比他们一起完成的工作更重要。在 2012 年接受 IEEE 采访时,阿文德这样总结他在科学上取得成功的关键:"真的,一个人必须做自己相信的事情。我认为,我们大多数人的工作水平,如果你每天都不乐在其中,是无法持续的。你不能只为结果而工作。你必须努力工作,因为你会说,'我必须知道这个问题的答案',"他说。他的妻子 Gita Singh Mithal、两个儿子 Divakar '01 和 Prabhakar '04、他们的妻子 Leena 和 Nisha 以及两个孙子 Maya 和 Vikram 均健在。 ... PC版: 手机版:

封面图片

麻省理工学院研究人员利用压电纤维开发出主动降噪织物

麻省理工学院研究人员利用压电纤维开发出主动降噪织物 这项发表在《先进材料》(Advanced Materials)杂志上的研究,是在早先研究的基础上,创造出一种可以充当麦克风并放大声音的丝绸织物。在研究过程中,研究小组意识到他们的材料还可以用来过滤声音。他们将后一个想法付诸实践。这种由压电纤维制成的特制织物几乎不比头发丝粗。当施加电压时,这种材料就会振动,如果调整得当,就能像降噪耳机一样抵消传入的声音。这种方法在狭小的空间内很有用,但在室内却不奏效。为了应对这一挑战,他们需要一种不同的方法。研究人员发现,通过使用电压使织物完全静止,可以使其变成一种声屏障,像镜子一样将声音反射回声源。在测试中,直接抑制模式(类似于降噪耳机)能够将音量降低 65 分贝。在"静止"模式下,声音传播降低了 75%。虽然前景广阔,但在考虑商业推广之前,仍有许多工作要做。该团队需要进行更多的测试,以了解纤维数量、缝合方向和电源电压等变量的变化对性能的影响。第一作者格蕾丝-杨(Grace Yang)说,这仅仅是个开始,要让这项技术真正有效,"我们还有很多旋钮可以转动"。他们还需要找出将其推向市场的最佳方法。这项研究的共同作者、麻省理工学院教授尤尔-芬克(Yoel Fink)告表示,这种材料现在还太新,他甚至不知道它的市场在哪里。 ... PC版: 手机版:

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人