Reseña: Cursos de inteligencia artificial en línea de Stanford

¡Hola!

Me inscribí en Stanford y he estado tomando sus cursos en línea. Aquí están mis pocos centavos en los que he tomado hasta ahora.

CS224n – Procesamiento del lenguaje natural con aprendizaje profundo (Prof. Manning)

  • Dificultad: 4/5 (Moderada)
  • Que esperar:
    • Conozca las técnicas de aprendizaje profundo de última generación (SoTA) aplicadas a la PNL. Temas clave:
      • Pregunta y respuesta
      • Resumen de texto
      • Etiquetado de partes del discurso
      • Modelos de secuencia a secuencia
      • Transformadores
    • Le brinda una muy buena visión general de hacia dónde se dirige la PNL, tareas escolares son desafiantes pero le permiten implementar las últimas arquitecturas neuronales para resolver varios problemas de lenguaje.
  • Mi proyecto de clase: Bert QA (99* estrellas en github) – Ganó el premio al mejor proyecto de la clase

CS231n – Redes neuronales convolucionales para reconocimiento visual (Prof. Li y Justin Johnson)

  • Dificultad: 4/5 (Moderada)
  • Que esperar:
    • Amplia descripción general de las últimas tendencias en técnicas de visión por computadora en diferentes dominios y aplicaciones:
      • Modelos discriminativos
      • Técnicas no supervisadas
      • Capas e intuiciones de la arquitectura neuronal
      • Segmentación
      • Técnicas Generativas
      • Transferencia de estilo
    • Las tareas son la mejor parte de la clase, ya que le permiten implementar una variedad de capas neuronales y obtener una intuición profunda de cómo funciona realmente el aprendizaje profundo.
    • Yo sugeriría cierta familiaridad con cálculo matricial y probabilidad para este curso.
  • Mi proyecto de clase: Súper resolución de video adversario espacio-temporal

CS221 – Inteligencia artificial – Principios y técnicas (Prof. Liang y Prof. Sadigh)

  • Dificultad: 4.5/5 (Pesado)
  • Que esperar:
    • Esta es una de las clases más «densas» que he encontrado en Stanford. La naturaleza de la clase es tal que está tratando de encajar en este enorme paraguas de temas de IA dentro de un trimestre, lo que lo hace desafiante. Los temas incluyen –
      • Búsqueda
      • Proceso de decisión de Markov
      • Aprendizaje por refuerzo (RL)
      • Juegos adversarios
      • Problemas de satisfacción de restricciones
      • Redes bayesianas (BN)
    • Entre estos, el aprendizaje por refuerzo y las redes bayesianas son temas conceptualmente pesados ​​que requieren un esfuerzo adicional.
    • Dicho esto, los temas son interesantes y te hacen apreciar las últimas tendencias en IA y establecer paralelismos con las técnicas tradicionales.
    • Las tareas son semanales y pueden llevar tiempo, ¡pero son divertidas en su mayor parte! Construyes tu propio juego de Pacman.
  • Mi proyecto de clase:
    • Trabajo en progreso (se actualizará en breve)

Siéntete libre de enviar cualquier otra pregunta que quieras que responda.

Gracias,

ankit chadha

Fuente del artículo

Deja un comentario