1. 应用数学与机器学习基础
   1. 线性代数 [31-53)
   2. 概率论与信息论 [53-80)
   3. 数值计算 [80-98)
   4. 机器学习基础 [98-165)
2. 深度网络：现代实践 [165-488)
   1. 深度前馈网络 [165-228)
   2. 深度学习中的正则化 [228-274)
   3. 深度模型中的优化 [274-330)
   4. 卷积网络 [330-373)
   5. 序列建模：循环和递归网络 [373-423)
   6. 实践方法论 [423-445)
   7. 应用 [445-488)
3. 深度学习研究 [488-721)
   1. 线性因子模型 [491-504)
   2. 自编码器 [504-528)
   3. 表示学习 [528-560)
   4. 深度学习中的结构化概率模型 [560-592)
   5. 蒙特卡洛方法 [592-607)
   6. 直面配分函数 [607- 633)
   7. 近似推断 [633-656)
   8. 深度生成模型 [656-723)
4. Yaakov Azat yaakovazat@gmail.com