6. 2022-PyTorch Tutorial 1
7. 2022-PyTorch Tutorial 2
9. 2021-Pytorch 教学 part 1
10. 2021-Pytorch 教学 part 2（英文有字幕）
13. (选修)To Learn More - 深度学习简介
14. (选修)To Learn More - 反向传播(Backpropagation)
15. (选修)To Learn More - 预测神奇宝贝Pokemon
16. (选修)To Learn More - 分类神奇宝贝Pokemon
17. (选修)To Learn More - 逻辑回归
19. 类神经网络训练不起来怎么办(一) 局部最小值 (local minima) 与鞍点 (saddle point)
20. 类神经网络训练不起来怎么办(二) 批次 (batch) 与动量 (momentum)
21. 类神经网络训练不起来怎么办(三) 自动调整学习率 (Learning Rate)
22. 类神经网络训练不起来怎么办(四) 损失函数 (Loss) 也可能有影响
23. (选修)To Learn More - Gradient Descent 样例1
24. (选修)To Learn More - Gradient Descent 样例2
25. (选修)To Learn More - Optimization for Deep Learning (1_2)
26. (选修)To Learn More - Optimization for Deep Learning (2_2)
30. 自注意力机制(Self-attention)(上)
31. 自注意力机制 (Self-attention) (下)
32. (选修)To Learn More - Unsupervised Learning - Word Embedding
33. (选修)To Learn More - Spatial Transformer Layer
34. (选修)To Learn More - Recurrent Neural Network (Part I)
35. (选修)To Learn More - Recurrent Neural Network (Part II)
36. (选修)To Learn More - Graph Neural Network(1_2)
37. (选修)To Learn More - Graph Neural Network(2_2)
42. 第五节 类神经网络训练不起来怎么办 (五) 批次标准化 (Batch Normalization)
45. (选修)To Learn More - Non-Autoregressive Sequence Generation
46. (选修)To Learn More - Pointer Network
47. 作业说明 HW5 中文 + Judgeboi讲解
48. 作业说明 HW5 slides tutorial -英文版机翻
49. 作业说明 HW5 code tutorial -英文版机翻
50. 第六节 生成式对抗网络(GAN) (一) – 基本概念介紹
51. 生成式对抗网络(GAN) (二) – 理论介绍与WGAN
52. 生成式对抗网络(GAN) (三) – 生成器效能评估与条件式生成
53. 生成式对抗网络(GAN) (四) – Cycle GAN
54. (选修)To Learn More - GAN Basic Theory
55. (选修)To Learn More - General Framework
56. (选修)To Learn More - WGAN, EBGAN
57. (选修)To Learn More - Unsupervised Learning - Deep Generative Model (Part I)
58. (选修)To Learn More - Unsupervised Learning - Deep Generative Model (Part II)
59. (选修)To Learn More - Flow-based Generative Model
62. 第七节 自监督式学习 (一) – 芝麻街与进击的巨人
64. 自监督式学习 (三) – BERT的奇闻轶事
66. (选修)To Learn More - BERT and its family - Introduction and Fine-tune
67. (选修)To Learn More - ELMo, BERT, GPT, XLNet, MASS, BART, UniLM, ELECTRA, othe
68. (选修)To Learn More - Multilingual BERT
69. (选修)To Learn More - 來自獵人暗黑大陸的模型 GPT-3
70. 自编码器 (Auto-encoder) (上) – 基本概念
71. 自编码器 (Auto-encoder) (下) – 领结变声器与更多应用
72. Anomaly Detection (1_7)
73. Anomaly Detection (2_7)
74. Anomaly Detection (3_7)
75. Anomaly Detection (4_7)
76. Anomaly Detection (5_7)
77. Anomaly Detection (6_7)
78. Anomaly Detection (7_7)
79. (选修)To Learn More - Unsupervised Learning - Linear Methods
80. (选修)To Learn More - Unsupervised Learning - Neighbor Embedding
83. 第八节 机器学习的可解释性 (Explainable ML) (上) – 为什么神经网络可以正确分辨宝可梦和数码宝贝
84. 机器学习的可解释性 (Explainable ML) (下) –机器心中的猫长什么样子
85. 来自人类的恶意攻击 (Adversarial Attack) (上) – 基本概念
86. 来自人类的恶意攻击 (Adversarial Attack) (下) – 类神经网络能否躲过人类深不见底的恶意
87. (选修)To Learn More - More about Adversarial Attack (1_2)
88. (选修)To Learn More - More about Adversarial Attack (2_2)
91. 第九节 概述领域自适应 (Domain Adaptation)
92. 作业说明 HW11 Domain Adaptation 作業講解
93. 第十节 概述增強式學習(一) – 增强式学习和机器学习一样都是三个步骤
94. 概述增强式学习 (二) – Policy Gradient 与修课心情
95. 概述增强式学习 (三) – Actor-Critic
96. 概述增强式学习 (四) – 回馈非常罕見的時候怎么办？机器的望梅止渴
97. 概述增强式学习 (五) – 如何从示范中学习？逆向增強式学习 (Inverse RL)
99. (选修)To Learn More - Deep Reinforcement Learning
100. 第十二节 机器終身学习 (一) - 为什么今日的人工智能无法成为天网？灾难性遗忘(Catastrophic Forgetting)
