MIT 6.7960 Deep Learning | Fall 2024

课程大纲（24 讲）

1. P1 · 【中文配音版】Lec 01. Introduction to Deep Learning60 分钟
2. P2 · Lec 02. How to Train a Neural Net79 分钟
3. P3 · Lec 03. Approximation Theory82 分钟
4. P4 · Lec 04. Architectures： Grids83 分钟
5. P5 · Lec 05. Architectures： Graphs81 分钟
6. P6 · Lec 06. Generalization Theory80 分钟
7. P7 · Lec 07. Scaling Rules for Optimization80 分钟
8. P8 · Lec 08. Architectures： Transformers74 分钟
9. P9 · Lec 09. Hacker's Guide to Deep Learning75 分钟
10. P10 · Lec 10. Architectures： Memory73 分钟
11. P11 · Lec 11. Representation Learning： Reconstruction-Based81 分钟
12. P12 · Lec 12. Representation Learning： Similarity-Based76 分钟
13. P13 · Lec 13. Representation Learning： Theory75 分钟
14. P14 · Lec 14. Generative Models： Basics81 分钟
15. P15 · Lec 15. Generative Models： Representation Learning Meets Generative Modeling80 分钟
16. P16 · Lec 16. Generative Models： Conditional Models81 分钟
17. P17 · Lec 17. Generalization： Out-of-Distribution (OOD)64 分钟
18. P18 · Lec 18. Transfer Learning： Models85 分钟
19. P19 · Lec 19. Transfer Learning： Data75 分钟
20. P20 · Lec 20. Scaling Laws38 分钟
21. P21 · Lec 21. Language Models77 分钟
22. P22 · Lec 23. Metrized Deep Learning67 分钟
23. P23 · Lec 24. Inference Methods for Deep Learning83 分钟
24. P24 · PyTorch Tutorial29 分钟