DeepMind深度学习最佳实践与新技术展望，181页PPT全景展示最近深度学习技术
（来源：专知，PPT附下载）
概要：在NIPS2017上，DeepMind及Google所发布的教程《深度学习实战及趋势》（Deep Learning: Practice and Trends）对最新的深度学习技术及2017年的技术新趋势做了详细总结。这次报告内容主要分为实践和趋势两个部分，其中实践包含最新的卷积网络，循环网络，Attention机制的应用和技巧，趋势部分包括最新的元学习，图结构学习等内容。
摘要
深度学习已经成为各种实际应用，研究实验室，工业领域的基本工具。在本教程中，我们将提供一套指导实践方法，帮助新手了解最新和先进的模型， （例如图像，视频，波形，序列，图形）以及复杂的任务（如从一些简单样本中学习，或者生成分子）的应用。内容主要分为实践和趋势两个部分，其中实践包含最新的卷积网络，循环网络，Attention机制的应用和技巧，趋势部分包括最新的元学习，图结构学习等内容。
每一部分都是从模型的输入输出，结构以及损失函数三部分来介绍。
演讲者
Nando de Freitas 剑桥大学机器学习教授，Deepmind研究科学家主
https://www.cs.ox.ac.uk/people/nando.defreitas/
ScottReed DeepMind高级研究科学家
http://www.scottreed.info/
Oriol Vinyals Google研究科学家
https://research.google.com/pubs/OriolVinyals.html
实践部分
深度学习工具箱
卷积网络
- 卷积基本结构
- AlexNet
- 深层卷积的挑战，实践与技巧
- ResNet，DenseNet，U-Net
循环网络与注意力机制
- 循环网络语言模型
- seq2seq
- seq2seq with Attention
趋势部分
自回归模型
- NADE, MADE, RIDE,PixelCNN,WaveNet
- 因果卷积（causal convolutions）
- Self-Attenion
领域对齐
- 跨领域图像生成
- CycleGAN
- 图像到图像翻译（Image-to-image Translation）
- DiscoGAN
- GraspGAN
- 无监督机器翻译
元学习
- Meta Learning/Learning to Learn
- One-shot imitation learning
图结构和神经网络
- 消息传递神经网络(Message Passing Neural Networks
- Gated Graph neural networks
《深度学习实战及趋势》报告PPT：下载戳我！ 密码: ms65
