自动驾驶汽车之深度学习 2018 MIT 6.S094 Deep Learning for Self-Driving Cars
MIT自动驾驶汽车之深度学习课程更新到2018版本，PPT酷炫。
------
------
麻省理工学院6.S094：自驾车深度学习
跳至内容
- Home
- DeepTraffic
- DeepCrash
- SegFuse
- DeepTesla
- 登录
- 注册
- 查看资料
- 资源
本课程通过构建自驾车的应用主题，介绍深度学习的实践。它对初学者是开放的，专为那些对机器学习不熟悉的人士而设计，但它也可以使该领域的先进研究人员对深度学习方法及其应用进行实践性的总结。
对课堂感兴趣？以下是你可以做的一些事情：
- 在网站上注册一个帐户以保持最新状态。课程的材料是免费的，向大家开放。
- 加入我们的Slack频道（deep-mit.slack.com）。有两种方法：
（a）如果您有mit.edu电子邮件，请加入此处
（b）点击此处获得邀请。 - 观看讲座和来宾讲座（从2017年到2018年）。演讲结束后的几天我们会提供视频。
- 如果您有任何疑问，请查看常见问题解答Google文档。
- 在Twitter， LinkedIn， Instagram， Facebook上与Lex 交流，或在YouTube上订阅。
- 观看麻省理工学院6.S099：人工智能。
- 在线获得课程： 2018版 或 2017版。价格是Teespring允许的最低金额。
课程资料：
- 时间/日期： 1月8日 - 19日，每天下午7点
- 时间： 60-90分钟
- 地点：麻省理工学院，54-100（地点详情），但有一些例外。
- 导师： Lex Fridman
- 联系方式： deepcars@mit.edu
2018年课程和讲座的时间表
大部分（但不是全部）课程和讲座将在下午7点在54-100室。请参阅下面的确切时间和地点。
讲座1
深度学习
[ 幻灯片 ] - [ 讲座视频 ]
讲座2
自驾车
[ 幻灯片 ] - [ 讲座视频 ]
讲座3
深化强化学习
[ 幻灯片 ] - [ 讲座视频 ]
讲座4
计算机视觉
[ 幻灯片 ] - [ 讲座视频 ]
讲座5
深入学习人类感知
[ 幻灯片 ] - [ 讲座视频 ]
嘉宾讲座 1月12日星期五下午1时 32-123室 * 注意：不同的时间和房间！
萨沙阿诺德
Waymo工程总监
嘉宾讲座 1月16日星期二下午7点 54-100室
Emilio Frazzoli
CTO，nuTonomy
先前：麻省理工学院教授
嘉宾讲座 1月19日星期五晚上7点 54-100室
英镑安德森
Aurora联合创始人
之前：Tesla Autopilot董事
课程团队：
麻省理工学院6.S094：自驾车深度学习是一个前沿研究领域的课程。该课程背后的研究小组包括：
Lex弗里德曼
讲师
斯宾塞多德
丹·布朗
迈克尔·格雷泽
李鼎
杰克Terwilliger
朱莉娅Kindelsberger
Benedikt Jenik
2017讲座幻灯片和视频：
- 讲座1：深度学习和自驾车介绍
[ 幻灯片 ] - [ 讲座视频 ] - 讲座2：运动规划的深度强化学习
[ 幻灯片 ] - [ 讲座视频 ] - 讲座3：卷积神经网络，用于驾驶任务的端到端学习
[ 幻灯片 ] - [ 讲座视频 ] - 讲座4：循环神经网络的时间转换
[ 幻灯片 ] - [ 演讲视频 ] - 讲座5：以人为中心的半自主车辆的深度学习
[ 幻灯片 ] - [ 演讲视频 ] - 额外补充： MIT斯隆：介绍机器学习（360 / VR）
[ 幻灯片 ] - [ 演讲视频 ]
2017年客座讲座：
AI时代的技术、政策和车辆安全
克里斯·格德斯 - [ Talk Video ]
斯坦福教授
运动规划在复杂世界中的过去、现在和未来
Sertac Karaman - [ 对话视频 ]
麻省理工学院教授
从研究到现实：在公路上测试自驾车
Karl Iagnemma
首席执行官，管理和研究科学家，麻省理工学院
自驾车、SLAM和深度学习
约翰·伦纳德
麻省理工学院教授
我们只采纳我们所信任的政策和自治的事业
埃里克戴姆勒
白宫总统创新研究员，科技政策局
致谢
对这门课程的支持是由其标识如下所示的公司提供的。如果没有在麻省理工学院及其他地方拥有聪明的年轻人的伟大社区，这一切都是不可能的。
------
------
自动驾驶汽车之深度学习 2018 MIT 6.S094 Deep Learning for Self-Driving Cars相关推荐
- 【DL】第 11 章：自动驾驶汽车的深度学习
- 综述：基于深度学习的文本分类 --《Deep Learning Based Text Classification: A Comprehensive Review》总结(一)
文章目录 综述:基于深度学习的文本分类 <Deep Learning Based Text Classification: A Comprehensive Review>论文总结(一) 总 ...
- 吴恩达深度学习笔记——神经网络与深度学习（Neural Networks and Deep Learning）
文章目录 前言 传送门 神经网络与深度学习(Neural Networks and Deep Learning) 绪论 梯度下降法与二分逻辑回归(Gradient Descend and Logist ...
- 深度强化学习入门-05DQN实现高速超车（复现 deeptraffic:MIT 6.S094: Deep Learning for Self-Driving Cars）
总的来说问题还有许多,希望感兴趣的同学朋友多多交流. 最近对强化学习比较感兴趣,发现强化学习工作较多的地方是无人驾驶决策规划这一块,我自己对这方面也比较感兴趣,就想做一个超车模型,设计交互环境如下,让 ...
- 深度学习在slam的应用Deep Learning Applications in SLAM
2022 摘要 同时定位与映射(SLAM)是近年来智能机器人领域的研究热点.其处理对象是视觉图像.深度学习在计算机视觉领域取得了巨大成功,这使得深度学习与slam技术的结合成为一个可行的方案.本文总结 ...
- 一种用于加密流分类的多模态深度学习框架A Novel Multimodal Deep Learning Framework for Encrypted Traffic Classification论文
一.背景 l 网络应用程序流量被加密 l 基于传统有效载荷交通分类方法和基于端口的流量分类方法不在有效 l 已有的模型不能用于更细粒度的操作 二.pean介绍 概括 PEAN模型是一种软件架构模式,它 ...
- 深度学习词汇 Developing Our Own Deep Learning Toolset
pick up:挑出选出 a copy of :一本 configure配置 acount :账户 computer vision:机器视觉 utilizing:利用 image classifica ...
- 清华大学车辆学院李升波|强化学习，让自动驾驶汽车自我进化，越开越好
2022年北京智源大会自动驾驶论坛,清华大学车辆与运载学院李升波教授分享了题为<混合型强化学习及其高级别自动驾驶应用>的主题报告.该报告主要探讨了如何将强化学习应用于自动驾驶汽车的问题,目 ...
- 19个神经元控制自动驾驶汽车，MIT等虫脑启发新研究登Nature子刊
本文经机器之心(almosthuman2014)授权转载,禁止二次转载. 选自Medium 作者:Louis Bouchard 机器之心编译 编辑:魔王.泽南 这种新型智能系统模仿线虫的神经系统来高效 ...
最新文章
- error MSB8008: 指定的平台工具集(v110)未安装或无效
- sonar的次要问题_次要GC，主要GC与完整GC
- 关于clientWidth、offsetWidth、clientHeight、offsetHeigh
- java 拖拽目录_Java 7：如何在Java中实现拖放？
- SAP Spartacus B2B Unit page Expand all按钮的工作原理
- muduo网络库源码阅读Step by Step
- python编程实现撤销上一步操作_78行Python代码实现现微信撤回消息功能
- Python简易验证码生成程序
- php 简单的socket,【技术产品】PHP如何实现简单的Socket
- XML数据读取方式性能比较（一） （转）
- @Component，@Bean
- shop++源码反编译----随笔
- Hbase记录-client访问zookeeper大量断开以及参数调优分析（转载）
- 傅里叶变换对_复变函数6傅里叶变换
- 如何下载jdk源码进行阅读
- FreeSWITCH channel variables(信道变量）
- python批量剪切视频文件
- excel中if如何加android,Excel 如何实现函数IF的嵌套超过七层
- 中国石油大学《红楼梦研究》在线考试
- nuxt 引入第三方字体、艺术字效果