这份来自 UC 伯克利新的无监督深度学习 CS294-158 课程总共 14 周，资源中包括 YouTube 高清视频和课件，是不容错过的学习课程。
本课程将涵盖这些主题的理论基础及其新启用的应用程序，你可以观看 YouTube 讲座视频，还可以下载课件的 PDF 版。
课程链接：https://sites.google.com/view/berkeley-cs294-158-sp19/home
这门课程的导师共有 4 位，分别是 Pieter Abbeel、Peter Chen、Jonathan Ho 和 Aravind Srinivas。
自 2008 年起，Pieter Abbeel 就在加州伯克利任教，是加州伯克利机器人实验室的负责人，也是机器人公司 covariant.ai 的联合创始人，是机器人领域的专家。
14 周课程安排表
课程 1a：课程概要
课程 1c：基于似然的模型 I：自回归模型
第二周（2/6）
课程 2a：基于似然的模型 I：自回归模型（ctd）（与第 1 周幻灯片相同）
课程 2b：无损压缩
课程 2c：基于似然的模型 II：流模型
第三周（2/13）
课程 3b：潜在模型变量 I
第四周（2/13）
课程 4b：Bits-Back 编码
第五周（2/27）
课程 5a：潜在模型变量总结（和潜在模型变量 II 幻灯片相同）
课程 5c：隐式模型/生成对抗网络
第 X 周（3/6）
第六周（3/13）
课程 6b：非生成式表征学习（3/24 更新）
第七周（3/20）
春假周（3/27）
第八周（4/3）
课程 8b：半监督学习
第九周（4/10）
课程 9b：阿约沙·埃夫罗斯（Alyosha Efros）嘉宾课程
第十周（4/17）
第十一周（4/24）
第十二周（5/1）
第十三周（5/8）
第十四周（5/15）
