斯坦福CS330 2019秋季课程视频全新上线，专注多任务与元学习

今日，斯坦福大学助理教授 Chelsea Finn 发推表示其主讲的 CS330 深度多任务和元学习系列课程视频可以线上观看了。

CS330 系列课程视频链接：https://www.youtube.com/playlist?list=PLoROMvodv4rMC6zfYmnD7UG3LVvwaITY5

课程侧重多任务模型训练和元学习

尽管深度学习在监督学习和强化学习生取得了成功，诸如图像分类、语音识别和 AI 游戏等。但是这些模型，在很大程度上，是准门诊对特定的单一任务训练的。对此，这门课程会介绍 如何在多任务的情况下训练模型，并研究针对多任务的模型架构，使得模型在训练效率或性能上有更好的提升。

本次课程包括以下具体内容：

• 以目标为条件的强化学习技术，使得学习者能够了解根据给定的目标空间，通过特定的家都使得模型在学习多个任务的时候都会很快；

• 元学习技术，通过高效的学习算法，使得学习新技术的时候能够更快；

• 大纲和终身学习，这需要模型学习一系列任务，并通过共享的架构来让之前任务中学习到的知识能快速迁移到下个任务中。

此外，由于多任务学习的内容较为丰富，也需要很多基本的深度学习知识做铺垫，因此这是一个研究生级别的课程。在课程结束后，学生能欧了解并应用很多 SOTA 的多任务或元学习模型，并在这个领域开展研究。

授课形式

本次课程是以大课和阅读课为主的。在大课上，授课教师会介绍理解和设计应用多任务学习及元学习的必要知识点。在阅读课中，学生会要求展示和讨论最近在这一领域中的工作和应用。 本次课程共有三次大作业。 在学期中，每个学生也都需要在一个相关领域进行研究工作，并在期末展示他们的研究成果。

课程要求

由于课程需要深度学习基础知识，所以学生应当有上过 CS 229 或类似的机器学习入门课程。CS 221 等人工智能入门课程也推荐学生去提前了解一下，但不是必要的。

课程时间表

CS330 系列课程共分 13 周完成，授课时间自 2019 年 9 月 23 日开始至 12 月 16 日结束。以下是部分课程时间列表：

参考链接：http://cs330.stanford.edu/

课程主讲人简介

该系列课程主讲人 Chelsea Finn 现为斯坦福大学计算机科学与电子工程系助理教授。她在麻省理工学院取得电气工程与计算机科学学士学位，并在加州大学伯克利分校获得电气工程与计算机科学博士学位。之后，Finn 曾任谷歌大脑研究科学家，并在 BAIR 实验室进行博士后研究。2019 年秋季正式成为斯坦福大学全职助理教授。

Chelsea Finn 年纪轻轻就已成为机器人学习领域最知名的专家之一，她曾有多篇论文发表在 ICML、ICLR、NeurIPS、ICRA、RSS、CoRL 等多个学术会议上，并在多个学术会议及 workshop 上进行受邀演讲。

此外，Chelsea Finn 凭借其论文《Learning to Learn with Gradients》荣获了 2018 ACM 最佳博士论文奖 ，她在这篇论文中介绍了一种基于梯度的新型元学习算法，帮助深度网络基于小型数据集解决新任务，该算法可用于计算机视觉、强化学习和机器人学等领域。