幾年之前，深度學習還是機器學習里面一個不太受人關注的領域。隨著神經網絡和大數據的出現，很多復雜任務的實現已經成為可能。

2009年時，深度學習還是一個新興領域，只有少數人認為這是一個值得研究的領域。但很快，這個領域就得到了很大的發展，目前已經被應用到很多的領域當中，例如：語音識別、圖像識別、在一個數據集當中尋找模式、照片中的事物分類、字符文本生成、自動駕駛汽車等等。因此，了解深度學習及其概念是非常重要的。

為了能夠讓你用一種更簡單的方式學習深度學習，Analytics Vidhya網站發表了一篇文章梳理了一些2016年關于深度學習的視頻、教材和課程。其中包括深度學習暑期班、峰會和會議等的一些講座和教材。希望你能夠從中受益。（注：這篇文章中的視頻都在YouTube上，你也許需要專門的工具才能查看。）

目標讀者

不管是深度學些方面初學者、中等水平的學者還是專家，你都可以找到適合您觀看的視頻。

這篇文章也會根據讀者的學習程度對學習材料進行分別羅列。如果你是一名初學者或者是中等水平的學者，建議你可以從第一部分開始。如果你想掌握完全掌握深度學習，那這篇文章就是你首先要閱讀的不二之眩在開始對深度學習的探索之前，你首先要制作一個日程表。我相信在幾周后，至少你可以建立你在深度學習中的第一個模型。對于深度學習方面的專家來說，深度學習的高級教程部分有很多精彩的視頻可以幫助你加強現有的知識。你也可以看看5分鐘的初學者視頻來鞏固基礎知識。

對于所有深度學習/數據科學方面的愛好者，你們一定會喜歡深度學習的應用和其他部分對例子的介紹。其中包括谷歌DeepMind的一些視頻，你可以從中學習如何使用深度學習繪畫，并且深度學習是如何讓自動駕駛汽車成為現實的。

另外還有一小部分是關于強化學習的。

1.深度學習初學者教程

深度學習簡化版

2016斯坦福灣區深度學習學校Day 1

2016斯坦福灣區深度學習學校Day 2

深度學習教程

使用神經網絡的深度學習及TensorFlow介紹

機器學習神經網絡

TensorFlow入門

神經網絡

改變所有事物的神經網絡

TensorFlow廣度&深度學習——機器學習

深度學習簡介

深度學習揭秘

2.深度學習高級

2016年蒙特利爾深度學習暑期班

深度學習教程——高級

深度學習實踐-語音識別與其他

3.深度學習的應用

詳解谷歌DeepMind

自動駕駛汽車和深度學習GPU-英偉達

九個有趣的深度學習應用

深度學習程序繪畫

4.強化學習

簡介強化學習函數逼近-教程

深度強化地形學習

深度學習初學者教程

1.深度學習簡化版

時長：系列包含27個視頻

鏈接：https://www.youtube.com/watch?list=PLjJh1vlSEYgvGod9wWiydumYl8hOXixNu&v=b99UVkWzYTQ

如果復雜的專業術語讓你在學習深度學習時感到困難重重，那么這個教程就是給你的福利。這是深度學習及其基本概念的一個簡化版教程。在這個教程里你將會了解到神經網絡、深度網絡、深度信念網絡（DBN）和卷積神經網絡。H2O.ai和這個教程將會讓你對深度學習有基本的理解。同時你也會了解到不同的模型，以及在不同情況下該選擇何種模型和選擇這種模型的理由。之后你將會學到深度學習在不同使用情形下的實際操作經驗，包括支持構建你自己深度網絡的平臺、深度學習可以調用的庫。這個簡化教程里沒有任何數學計算或者編程相關的內容，是為初學者了解深度學習基本思想而制作的。

2.2016斯坦福灣區深度學習學校Day 1

時長：10小時33分

鏈接：https://www.youtube.com/watch?v=eyovmAtoUx0

正如吳恩達（Andrew Ng）無比精確的描述，深度學習正在改變業界的發展布局，同時大量有意思的深度學習應用正涌現出來。這個視頻是2016灣區深度學習學校第一天的內容展示。視頻覆蓋到的內容有： 1）Hugo Larochelle講授前饋神經網絡介紹（Introduction on Feedforward Neural Network）；2）Andrej Karpathy講授用于計算機視覺的深度學習（Deep Learning for Computer Vision）；3）Richard Socher講授用于自然語言處理（NLP）的深度學習（Deep Learning for NLP）；4）Sherry Moore講授TensorFlow 教程（TensorFlow Tutorial）；5）Ruslan Salakhutdinov 講授深度無監督學習基礎（Foundations of Deep Unsupervised Learning）；6）吳恩達講授深度學習應用基本要點（Nuts and Bolts of Applying Deep Learning）。這些深度學習方面的專家都會以一個易于理解的方式講解深度學習潛在的概念原理，讓你對深度學習有基礎理解。同時他們也會分享各自講授主題相關的應用實例。

3.2016斯坦福灣區深度學習學校Day 2

時長：10 小時33 分

鏈接：https://www.youtube.com/watch?v=9dXiAecyJrY

這是灣區深度學習學校的第二天講授內容視頻。視頻覆蓋到的內容有：1）John Schulman 講授深度強化學習基礎（Foundation of Deep Reinforcement Learning）；2）Pascal Lamblin 講授Theano 介紹：一個供模型構建和訓練使用的極速 Python 庫（Introduction to Theano: A Fast Python library for Modelling & Training）；3）Adam Coates 和 Vinay Rao 講授語音識別和深度學習（Speech Recognition and Deep Learning）；4）Alex Wiltschko 講授 Torch 和 Autograd 下的機器學習（Machine Learning with Torch & Autograd）；5）Quoc Le 講授深度學習實現 Seq2Seq（Sequence to Sequence by Deep Learning）；5）Yoshua Bengio 講授深度學習的基礎和挑戰（Foundation and Challenges of Deep Learning）。這些深度學習的應用者都是經常被檢索到的深度學習應用專家，他們同時也為大型公司服務，如：谷歌大腦、Twitter 等。

4. 教程：深度學習

時長：2 小時29 分

鏈接：https://www.youtube.com/watch?v=CLSy5WlaWKc

在這個深度學習的視頻教程里，Yoshua Bengio 和 Yann LeCun 講解了近年來深度學習所取得的重大突破。在這個領域深耕30 年之后，Yoshua 和 Yann 帶來深度學習如何掀起機器學習和人工智能領域變革浪潮的深度解讀。在本視頻教程里，你將會學到深度學習是如何實現多層計算模型對數據表征的學習。這些方法大幅提升了語音識別、視覺對象識別、目標檢測以及基因學等領域的相關研究。這個教程將會覆蓋到深度學習基礎，并討論深度學習的不同應用和目前遇到的挑戰。

5. 使用神經網絡的深度學習及 TensorFlow 介紹

時長：無

鏈接：https://www.youtube.com/watch?v=oYbVFhK_olY

如果你一直在想知道神經網絡是如何工作的，為什么最近它有這么多的關注。本教程將介紹神經網絡，你將了解神經網絡如何能夠創建具有巨大數據集的強大模型。并理解神經網絡的結構以及每個輸入層如何組合在一起以生成輸出。這只是完整教程中的第一個視頻，第二部分是 TensorFlow 基矗如果需要了解怎樣建立神經網絡模型，請繼續學習第三部分。

6. 機器學習神經網絡

時長：無

鏈接：https://www.youtube.com/watch?v=cbeTc-Urqak&list=PLoRl3Ht4JOcdU872GhiYWf6jwrk_SNhz9

研究人工神經網絡的主要思想是理解神經元的并行計算方式及其自適應連接。本課程將由多倫多大學教授 Geoffrey Hinton 講授，你將學習到神經網絡和機器學習將如何帶來技術革命。本課程包括感知器、反向傳播、卷積神經網絡、循環神經網絡、梯度下降和超參數貝葉斯優化等主題。這是深度學習最好的課程之一，如果你是深度學習愛好者，那就一定不能錯過它。

7.TensorFlow 入門

時長：系列，共7 個視頻

鏈接：https://www.youtube.com/watch?v=QfNvhPx5Px8&index=5&list=PL2-dafEMk2A7EEME489DsI468AB0wQsMV

現如今最流行的機器學習框架之一就是 TensorFlow，雖然它主要用于進行機器學習和深度神經網絡研究，但由于其多功能性，TensorFlow 也可用于各種應用。在這個有趣的 TensorFlow 教程中，您將學習在 Python 中用不到40 行代碼進行構建手寫數字圖像的分類器。您還將學習如何在 TensorFlow 中生成音樂，什么是 Tensorboard，怎樣構建一個神經網絡還有使用 TensorFlow 相比其他深度學習庫的利弊。這個關于 TensorFlow 的簡短教程是深度學習新手必須要了解的。

8. 神經網絡

時長：系列，共6 個視頻

鏈接 https://www.youtube.com/watch?list=PL2-dafEMk2A5BoX3KyKu6ti5_Pytp91sk&v=h3l4qz76JhQ

人工神經網絡能夠學習，而且它們需要訓練。基本上需要3 步來構建機器學習模型，即構建、訓練、測試。一旦模型構建起來，它就可以在模式識別上訓練得越來越好。在這些短短 5 分鐘視頻里，你將學習建立神經網絡、自動編碼器和循環神經網絡，每段視頻的代碼也可在 YouTube 上的描述中找到。

9. 改變所有事物的神經網絡

時長：14 分 16 秒

鏈接：https://www.youtube.com/watch?v=py5byOOHZM8

卷積神經網絡是深度神經網絡和核卷積（kernel convolution）的結合。這個視頻解釋了卷積神經網絡是如何為精確圖像分類帶來巨大改變的。如果你是深度學習愛好者，但對神經網絡了解甚少，不妨看看這個視頻。它向你展示了深度學習是如何用來估計房價的。

10.TensorFlow 廣度&深度學習——機器學習

時長：3 分 24 秒

鏈接：https://www.youtube.com/watch?v=Xmw9SWJ0L50

廣度和深度學習（wide and deep learning）結合了用于訓練廣度線性模型和深度神經網絡的記憶（memorization）和歸納（generalization）。在這個視頻中，你可以了解到在 TensorFlow 當中對這種簡單易用的 API 的應用。它們在大規模的回歸分析和分類中所涉及到的稀疏輸入問題當中非常實用，例如推薦系統、搜索和排名問題。通過這個 視頻來探索廣度和深度學習的可能性吧。

11. 深度學習簡介

時長：11 分鐘

鏈接：https://www.youtube.com/watch?v=l42lr8AlrHk

這個視頻對深度學習進行了數學解釋。它將帶你了解機器是如何找到不同變量的分組并做出具體決策的。如果你是一個數學愛好者，你將會學到如何調整模型參數。視頻簡單地解釋了神經網絡對不同輸入內容的反應。

12. 深度學習揭秘

時長：22 分鐘

鏈接：https://www.youtube.com/watch?v=Q9Z20HCPnww

這是一個深度學習的初級教程。其中，你將了解深度學習是如何幫助機器識別特征的。同時，視頻用簡單的語言解釋了神經網絡。首先，視頻介紹了神經元的工作方式，隨后進一步解釋神經元之間的交流方式。隨后是深度學習在現實世界中的應用。

深度學習-高級

1.2016 年蒙特利爾深度學習暑期班

時長：無

鏈接：https://www.youtube.com/watch?list=PL5bqIc6XopCbb-FvnHmD1neVlQKwGzQyR&v=xK-bzjIQkmM

蒙特利爾深度學習暑期班出現了很多來自不同年齡段的專家與從業人員。該教程是要教人們對深度學習與神經網絡有基礎的理解。里面有 Yoshua Bengio 教授循環神經網絡，Surya Ganguli 教授理論神經科學與深度學習理論，Sumit Chopra 教授 reasoning summit 和 attention，Jeff Dean 講解 TensorFlow 大規模機器學習，Ruslan Salakhutdinov 講解學習深度生成式模型，Ryan Olson 講解深度學習的 GPU 編程，還有其他很多的講演。想要了解更多內容可參考機器之心之前發表的文章：重磅 | Yoshua Bengio 深度學習暑期班學習總結，35 個授課視頻全部開放（附觀看地址）。

2. 深度學習教程——高級

時長：1 小時 36 分鐘

鏈接：https://www.youtube.com/watch?v=DlNR1MrK4qE

在過去幾年中，圖像分類、分割、物體檢測的技術因深度學習有了極大的進展。該教程會帶你了解深度學習的進展，主要集中于使用 Theano 和 Lasagne 的計算機視覺與圖像處理。此外，演講者也討論了一些重要的技巧，比如用更少的訓練數據進行審核等。為了理解視頻中的概念，需要一定的代數、微積分與機器學習基矗

3. 深度學習實踐-語音識別與其他

時長：34 分 46 秒

鏈接：https://www.youtube.com/watch?v=LFDU2GX4AqM

吳恩達的地位無需再多做介紹了，大家都知道他對深度學習的貢獻。他是世界上首先認識到深度學習潛力的幾個人之一。在這個與吳恩達的一對一對話中，他分享了在深度學習上研究的經驗、深度學習所到來的科技進展。他提到大數據的進展正在顛覆如今的產業。觀看此視頻可以了解更多關于深度學習與數據科學的未來。

深度學習的應用

1. 詳解谷歌 DeepMind

時長：13 分 44 秒

鏈接：https://www.youtube.com/watch?v=TnUYcTuZJpM

AlphaGo 擊敗圍棋前世界冠軍李世乭是一個歷史時刻。每當機器超越人類的時候，就會引發一輪新的社會進步。谷歌 DeepMind 宣稱自己將下一代人工智能和目標帶到研發這樣的系統活動中：聰明到可以自主采取行動。這個視頻解釋了 DeepMind 的起源，以及它能為人工智能領域帶來的什么樣的變革。

2. 自動駕駛汽車和深度學習 GPU-英偉達

時長：1 小時 7 分

鏈接：https://www.youtube.com/watch?v=KkpxA5rXjmA

英偉達 CEO 黃仁勛分享了深度學習與研究如何改變自動駕駛汽車的面貌，如何讓其成真的故事。他開局引介了世界上第一個由英偉達設計的、用于自動駕駛汽車的人工智能超級計算機。還解釋了深度神經網絡和大數據如何被用于解決 GPU 的問題。深度學習和人工智能如何變不可能為可能？這個視頻會讓你腦洞大開。

3. 九個超酷的深度學習應用

時長：4 分 43 秒

鏈接：https://www.youtube.com/watch?v=Bui3DWs02h4

想知道深度學習和機器學習在現實生活中有哪些有趣應用？這個視頻會給你答案。你會看到一些讓你腦洞大開的應用，比如，不同化學結構的毒性檢測，大型圖像有絲分裂檢測，序列生成，計算機程序自己怎么玩游戲等等。

4. 深度學習程序學繪畫

時長：4 分鐘

鏈接：https://www.youtube.com/watch?v=UGAzi1QBVEg

人工智能神經網絡受到了人類大腦的啟發，旨在研究神經元之間的連接。在這個視頻中，我們會看到幾個深度學習應用。但是，神經網絡的藝術創作是深度學習最神奇的應用形式。在這個視頻里，你將學到如何使用深度學習繪畫，或使用人工神經網絡對世界名畫進行再創作。用戶要做的就是輸入一張照片，再提供一張目標圖片供系統學習（其藝術風格）。

強化學習

1. 簡介強化學習函數逼近-教程

時長：2 小時 18 分鐘

鏈接：https://www.youtube.com/watch?v=ggqnxyjaKe4

強化學習是由機器學習研究社區開發出的用來做最佳序列決策的技術。該教程提供了對底層形式問題（馬爾科夫決策過程）及其核心解決方法的透徹理解，后者包括動態編程、蒙特卡洛方法和時序差分學習。該視頻注重這些方法如何與參數逼近（parametric approximation）結合從而找到因過大而難以解決問題的好的逼近解決方案。演講者也會帶你了解函數逼近、eligibility traces 和 off-policy 學習的最新進展。

2. 深度強化地形學習

時長：3 分鐘

鏈接：https://www.youtube.com/watch?v=wBrwN4dS-DA

本視頻描述了深度學習與強化學習的結合，這種結合被認為有助于解決許多極端困難的任務。谷歌 DeepMind 使用深度學習建立了一個能夠玩 Atari 游戲的系統，其表現超過了人類。視頻展示了一個有趣的應用就是使用深度強化學習教會處在某些地帶中的動物繪制周圍環境，避免障礙。

結語

這就是 2016 年的人工智能視頻盤點，我們收集了一系列關于深度學習與強化學習的視頻。根據年份、瀏覽量與關聯度挑選出最后名單。目前在網絡上有著豐富的內容資源，而我們提供的是其中最引人關注的一部分。相信這個列表中肯定會有適合你的內容。