“MIT2017和MIT2018自动驾驶课程可以说是新手上路的基础课程，在前几次发出后，很多盆友在后台回复需要完整版和汉化版。网络上的汉化版主要为大数据文摘授权翻译，2017版已翻译完毕，2018版仍在更新中，这篇文章把现有的内容整理了一下，供大家学习，春节愉快。”
大数据文摘|bigdatadigest
这次为大家带来的是MIT 6.S094 深度学习与自动驾驶课程的
全部【汉化】视频！当然还是免费的！
点击视频观看课程第1讲
深度学习与自动驾驶概述（1）
时长30分钟
带有中文字幕
▼
https://v.qq.com/txp/iframe/player.html?vid=q05236jeki8&width=500&height=375&auto=0
这门无人车课程由麻省理工MIT开设，话题前沿且实践性质很强。课程首先引导大家了解深度学习，之后大家可以自己“造”一辆无人车（的算法🌚）！
课程面向机器学习初学者，但已经有大量经验的研究人员也能从课程提供的从实践出发的深度学习方法和应用中受益。
课程主讲Lex Fridman与TA团队
大数据文摘已取得课程翻译授权，将以连载的形式发布后续课程内容，请大家继续关注我们，随时给予好评🌚
文摘菌觉得这门课最好玩儿的地方呢，是两个要求动手的实践项目，一个叫DeepTraffic，一个叫DeepTesla。
DeepTraffic非常神奇地可以在浏览器里实现神经网络代码编写、模型训练、测试和提交。
小车正穿行在落基山脉蜿蜒曲折的模拟高速公路上，你需要控制一辆车以最高速度行驶。取决于路况，你将控制你的车加速、减速、变道。
小车正穿行在落基山脉蜿蜒曲折的盘山公路上。克里斯朵夫·李维静静地望着窗外，发现每当车子即将行驶到无路的关头，路边都会出现一块交通指示牌……山路弯弯、峰回路转，原来，不是路已到了尽头，而是该转弯了。（懂这个梗的孩子，让我看到你们🙋）
最终需要达到65mph的平均速度，才算是过关了。在所有提交者的排行榜上，有大神达到了73mph的平均速度。
打开这个项目的页面看一下行驶中的小车，你一定会和文摘菌一样只想说WOW这也太酷了吧！欢迎体验之后留言和文摘菌交流~
https://selfdrivingcars.mit.edu/deeptrafficjs/
DeepTesla则使用到了Tesla驾驶的数据，同样在浏览器里，你可以看到一层层的神经网络是怎样分解图片的。
虽然买不起特斯拉，但还是可以学习自动驾驶课，体验一下特斯拉驾驶室内的观感嘛！
MIT深度学习与自动驾驶课程页面（所有PPT、视频和资料汇总）：
https://selfdrivingcars.mit.edu/
MIT近期又开放了一门更偏概述的深度学习课程——6.S191: Introduction to Deep Learning（深度学习入门），官方介绍该课程为一门对深度学习算法和应用的入门课程（An introductory course on deep learning algorithms and their applications）。
目前，在官网上，所有的课程信息、录像和课件都已公开。感兴趣的同学可以注册学习了。
先附上官网注册链接：http://introtodeeplearning.com/
Coursera和其他高校开放的深度学习入门课程已不少，与已有课程相比，本课程的一大亮点可能是业内一票应用大咖公司的案例介绍，包括谷歌、英伟达、IBM以及中国公司腾讯，都对本课程提供了案例分享，并在每个部分都提供了实验室支持。
课程介绍部分视频
马上观看▼
https://v.qq.com/txp/iframe/player.html?vid=x05526qm49x&width=500&height=375&auto=0
以下是来自官方的一些信息：
课程介绍
这是一门介绍深度学习原理及其应用于机器翻译，图像识别，游戏，图像生成等领域的入门课程。 随着课程的深入，本次课程加入了TensorFlow、同伴头脑风暴和实验室的合作课程。 来自从业人员和行业赞助商小组反馈的项目建议作为课程的最后一节。
项目建议
项目建议部分的持续时间为1分钟，大家可以从深度学习算法，应用程序，开源贡献，创建有趣的数据集或其他相关方面选择一个主题。赞助商将评选出最佳项目作为获奖者。项目建议也可以选择提交一篇有趣的深度学习综述论文。
听课方式
如果是麻省理工学院的学生（本科或研究生），可以直接在网站提交表单。
普通听众可以通过邮件注册，参加课程。
MIT本次推出的这门公开课，邀请了四家明星企业：Google、NVIDIA、IBM和Tencent作为嘉宾，一起分享深度学习的相关内容，也是默默无闻的搞大事情啊。
课程大纲
第一章 | |
Part 1 | 深度学习简介 |
Part 2 | 深度序列建模 |
Lab | TensorFlow简介，用RNNs网络生成音频 |
第二章 | |
Part 1 | 深度计算机视觉 |
Part 2 | 深度生成模型 |
Lab | 人类X射线扫描检测疾病 |
第三章 | |
Part 1 | 深化强化学习 |
Part 2 | 局限和新前沿 |
Lab | 综述/项目建议 |
第四章 | |
Part 1 | 嘉宾讲座：Google |
Part 2 | 嘉宾讲座：NVIDIA |
Lab | 赞助商展位+综述/项目建议 |
第五章 | |
Part 1 | 嘉宾讲座：IBM |
Part 2 | 嘉宾讲座：Tencent |
Lab | 项目建议介绍、评审和奖励 |
当然，想要系统学习深度学习的同学，我们也推荐一些更加专项的课程给大家：总体来看，大数据文摘刚刚也提到过，这门课程整体来说属于深度学习的基础课程，内容更适合初学者，如果之前已经学习过coursera上相关课程的同学或者比较专业的选手，就不需要再重新学一遍这门课程了。
吴恩达深度学习系列课程，五个部分已经完整放出。Coursera相关链接：
https://www.coursera.org/learn/nlp-sequence-models
目前网易云课堂的汉化版已经完整放出。相关链接：
http://study.163.com/provider/2001053000/index.htm
多伦多大学三巨头，被誉为“深度学习之父“的Geoffrey Hinton教授在Coursera上的Neural Networks For Machine Learning课程。他的UT实验室在2012年的某医药大赛中如一匹黑马般赢得桂冠（即使整个团队没有一个人懂生物），真正地把深度学习带入了主流媒体的视线。链接：https://www.coursera.org/learn/neural-networks
斯坦福大学CS231n卷积神经网络视觉识别课程（李飞飞授课），大数据文摘授权汉化教程链接：http://study.163.com/course/introduction/1003223001.htm
斯坦福大学CS224d自然语言处理深度学习课程，链接：http://cs224d.stanford.edu/
牛津大学与DeepMind合作的自然语言处理深度学习课程，大数据文摘授权汉化教程链接：http://study.163.com/course/introduction/1004336028.htm
MIT 6.S094深度学习与无人车课程。大数据文摘授权汉化教程链接：http://study.163.com/course/introduction.htm?courseId=1004938039
专门致力于为深度学习工程师提供教育资源的fast.ai。
链接：http://www.fast.ai/
Tensorflow提供的机器学习教程。
初学者篇：
https://www.tensorflow.org/get_started/mnist/beginners
进阶篇：
https://www.tensorflow.org/get_started/mnist/pros
AI圣经级教科书（花书）－蒙特利尔大学教授Yoshua Bengio和他的前学生Ian Goodfellow合著的《Deep Learning》；英文版免费阅读：http://www.deeplearningbook.org/ 中文版也已上市！
以上是一些免费课程，如果想要保证听课质量，保证有答疑和练习，我们也推荐网易云课堂一些收费课程：
人工智能的数学基础。链接：http://mooc.study.163.com/smartSpec/detail/1001358003.htm
机器学习工程师实战课程。链接：http://mooc.study.163.com/smartSpec/detail/1001358002.htm
推荐阅读
▼
▎本文转自大数据文摘，如需转载请注明来源。
更
多
精
彩
请猛戳右边二维码
公众号ID
IV_Technology