Notifications
Clear all

รวม Online Courses ดีดี, Local Meetups และ AI Channels อื่นๆ

17 ข้อความ
1 Users
0 Likes
34.3 K Views
The Neural Engineer
(@neural-engineer)
Honorable Member Admin
เข้าร่วมเมื่อ: 6 years ago
ข้อความ: 400
Topic starter  

Geometric Deep Learning 2021

https://youtube.com/playlist?list=PLn2-dEmQeTfQ8YVuHBOvAhUlnIPYxkeu3


   
ตอบกลับอ้างอิง
The Neural Engineer
(@neural-engineer)
Honorable Member Admin
เข้าร่วมเมื่อ: 6 years ago
ข้อความ: 400
Topic starter  

"Transformers United" คอร์สฟรีจาก Stanford : รวมพลพรรค Transformers

เพราะว่า AI ในยุคปัจจุบันขับเคลื่อนด้วยโมเดล Transformers คอร์สนี้จึงไม่สอนอย่างอื่น จัดเต็ม Transformers กันไปเลยอาทิเช่น Language, Vision, Reinforcement Learning, Audio & Speech และ interpretation

เนื้่อหาคอร์สอยู่ที่นี่ และ video lecture ลิงก์ราย lecture ดูได้ที่ด้านล่างครับ https://web.stanford.edu/class/cs25/

📅 Catalog of Lectures : ************************* ดูทั้ง playlist ที่ https://www.youtube.com/playlist?list=PLoROMvodv4rNiJRchCzutFw5ItR_Z27CM

หรือแยกดูราย lecture 🔹 1. Introduction to Transformers: 📑 : https://bit.ly/3HDJ4vO

🔹 2.Transformers in Language: GPT-3, Codex 📑 : https://bit.ly/3Ytx4CT

🔹 3.Applications in Vision 📑 : https://bit.ly/3PrO5cw

🔹 4. Transformers in RL & Universal Compute Engines 📑 : https://bit.ly/3FSP5Dl

🔹 5.Scaling transformers 📑 : https://bit.ly/3uPgLCS

🔹 6.Perceiver: Arbitrary IO with transformers 📑 : https://bit.ly/3W1mv8r

🔹 7.Self-Attention & Non-Parametric Transformers 📑 : https://bit.ly/3vaZWmh

🔹 8.GLOM: Representing part-whole hierarchies in a neural network 📑 : https://bit.ly/3BCK5k1

🔹 9. Interpretability with transformers 📑 : https://bit.ly/3uSwAZB

🔹 10.Transformers for Applications in Audio, Speech and Music: From Language Modeling to Understanding to Synthesis. 📑 : https://bit.ly/3V1jbJp

ขอบคุณ link จาก Ashish Patel


   
ตอบกลับอ้างอิง
The Neural Engineer
(@neural-engineer)
Honorable Member Admin
เข้าร่วมเมื่อ: 6 years ago
ข้อความ: 400
Topic starter  
Huggingface มีคอร์ส Deep Reinforcement Learning แล้วจร้า
 
Deep RL คือ machine learning ที่สอนให้ agent (นึกถึงผู้เล่นในเกมส์) เรียนรู้ว่าจะ action อย่างไรใน environment ที่อาศัยอยู่
 
โดย Deep RL สร้างปรากฏการณ์หลายครั้งนับตั้งแต่ AlphaGo ที่เอาชนะ "มนุษย์" ผู้เล่นโกะมือวางอันดับหนึ่งของโลก และในปี 2013 OpenAI Five ที่เอาชนะผู้เล่น Dota2 มือวางลำดับต้นๆ ของโลก
( อ่านเรื่อง virtual environment เพิ่มเติมที่นี่ https://bit.ly/thaikeras-kaggle-lux )
 
และนับตั้งแต่ปี 2018 ที่ผ่านมามีทั้ง virtual environments และ libraries มากมายให้เราทดลองสร้าง DeepRL agent อย่างง่ายๆ นั่นเป็นเหตุผลว่า ตอนนี้เป็นเวลาที่ดีที่สุดที่เราจะเริ่มต้นศึกษา DeepRL กันครับ โดยใน course ของ Huggingface นี้เราเรียนรู้ได้ฟรีผ่านบทความ หรือ Video รวมทั้ง Colab โดยไม่มีค่าใช้จ่ายใดๆ
 
• ใน Huggingface Course นี้จะเริ่มสอนตั้งแต่พื้นฐาน (แต่ควรมีความรู้ Python และ Deep Learning มาก่อน) สอนทฤษฎีตั้งแต่ Q-learning จนถึงขั้นสูงเช่น Proximal Policy Optimization (PPO) และ Decision Transformers
• ให้เราได้หัดใช้ libraries ชั้นนำ เช่น StableBaseline3, RL Baseline3 Zoo และ RLLib ในการสร้าง agents
• ทดสอบ agents ใน environment เช่น SnowBallFight, Huggy the Doggo, Space Invader และ PyBullet
• เก็บและเผยแพร่ agent ของเราได้ง่ายๆ ผ่าน Huggingface Hub หรือจะดาวโหลด agent เจ๋งๆ ของคนอื่นจาก Hub มาใช้ก็ย่อมได้
• พัฒนา Agent เพื่อแข่งกับเพื่อนๆ ทั่วโลก
• พัฒนาและแชร์ Environment ของเราเอง ผ่าน Unity และ GoDot
 
ถ้าเพื่อนๆ พร้อมแล้วก็สามารถเข้า Course huggingface สามารถเข้าดูได้ที่นี่ครับ
This post was modified 11 months ago by The Neural Engineer

   
ตอบกลับอ้างอิง
Page 3 / 3
Share: