1影片入門EN
MIT Introduction to Deep Learning (2025) | 6.S191（在新分頁開啟原站）
MIT 6.S191 課程介紹了深度學習的基礎概念，適合想從零開始學習 AI 的讀者。
100 萬次觀看
※ 摘要僅根據標題與說明
Alexander Amini
YouTube ・ 國際 ・ 英文 ・ A 級 ・ 35.7 萬 訂閱 ・ 30 筆內容 ・ 最近更新 2026/05/25
MIT 6.S191 Introduction to Deep Learning
最受歡迎
依人氣
- 2影片入門EN
MIT Introduction to Deep Learning | 6.S191（在新分頁開啟原站）
MIT 6.S191 系列的第一堂關於深度學習基礎的講課，由 Alexander Amini 教授主講。內容涵蓋了深度學習的核心概念與理論框架，為後續學習提供必要的基礎知識。
35.1 萬次觀看※ 摘要僅根據標題與說明
- 3影片入門EN
MIT Introduction to Deep Learning (2024) | 6.S191（在新分頁開啟原站）
MIT 6.S191 課程介紹了深度學習的基礎概念，涵蓋從數學原理到實際應用，適合想入門學習者。
100 萬次觀看※ 摘要僅根據標題與說明
- 4影片高階EN
MIT 6.S191 (2025): Recurrent Neural Networks, Transformers, and Attention（在新分頁開啟原站）
MIT 6.S191 課程介紹了 2025 年復歸神經網路、Transformer 架構與注意力機制。
30.3 萬次觀看※ 摘要僅根據標題與說明
- 5影片入門EN
MIT 6.S191 (2025): Convolutional Neural Networks（在新分頁開啟原站）
MIT 6.S191 課程介紹了如何使用 CNN 處理影像，並探討了其應用於電腦視覺與深度學習。
22.7 萬次觀看※ 摘要僅根據標題與說明
- 6影片入門EN
MIT 6.S191: Recurrent Neural Networks, Transformers, and Attention（在新分頁開啟原站）
MIT 6.S191 第 2 課深入探討迴圈神經網路（RNN）與 Transformer 架構，並介紹注意力機制。課程涵蓋了這些模型在自然語言處理與機器學習中的應用，幫助讀者理解其運作原理與實作方法。
9.6 萬次觀看※ 摘要僅根據標題與說明
- 7影片入門EN
MIT 6.S191 (2024): Recurrent Neural Networks, Transformers, and Attention（在新分頁開啟原站）
MIT 6.S191 課程介紹了神經網路中的迴歸神經網路、Transformer 架構以及注意力機制。
30.6 萬次觀看※ 摘要僅根據標題與說明
- 8影片進階EN
MIT 6.S191: Convolutional Neural Networks（在新分頁開啟原站）
本影片為 MIT 深層學習課程 6.S191 第 3 講，由 Alexander Amini 教授主講，專注於介紹卷積神經網路（CNN）在電腦視覺領域的應用。
6.8 萬次觀看※ 摘要僅根據標題與說明
- 9影片入門EN
MIT 6.S191 (2025): Deep Generative Modeling（在新分頁開啟原站）
MIT 6.S191 課程介紹了 2025 年關於深度生成式模型的教學，內容聚焦於該領域的最新發展與應用趨勢。
12.1 萬次觀看※ 摘要僅根據標題與說明
- 10影片進階EN
MIT 6.S191 (2025): Reinforcement Learning（在新分頁開啟原站）
MIT 6.S191 第 5 堂課深入探討深度強化學習，由 Alexander Amini 教授主講。課程涵蓋基本概念、策略設計與學習演算法，並結合實際案例說明如何讓 AI 在複雜環境中學習。
12.7 萬次觀看※ 摘要僅根據標題與說明
最新內容
依發布時間
- 影片進階EN
MIT 6.S191: Secrets of Massively Parallel Training（在新分頁開啟原站）
MIT 數學系教授 Mathias Lechner 在液態 AI 的課程中，深入探討了大規模並行訓練的秘密。他解釋了為何在 GPU 上訓練大型模型時，將計算分散到多個 GPU 上能比單一 GPU 更快，並分享了相關技術的實戰應用。
1.4 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
MIT 6.S191: AI for Science（在新分頁開啟原站）
MIT 6.S191 第 8 課由克里斯·比波夫（Chris Bishop）主講，深入探討如何將深度學習應用於科學領域。課程展示了如何利用 AI 加速科學發現，並介紹了相關的工具與模型。
3.1 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
MIT 6.S191: The Three Laws of AI（在新分頁開啟原站）
MIT 教授 Doug Blank 在 6.S191 課程中闡述了 AI 的三大基本定律，並結合新 2026 版課程內容，幫助讀者理解 AI 運作的核心邏輯與發展趨勢。
1.3 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
MIT 6.S191: Language Models and New Frontiers（在新分頁開啟原站）
MIT 6.S191 第 6 課探討語言模型的新前沿，涵蓋生成式 AI 的基礎與應用。
1.9 萬次觀看※ 摘要僅根據標題與說明
- 影片高階EN
MIT 6.S191: Reinforcement Learning（在新分頁開啟原站）
MIT 6.S191 第 5 課深入探討深度強化學習（Deep Reinforcement Learning），由 Alexander Amini 教授主講。
2.6 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
MIT 6.S191: Deep Generative Modeling（在新分頁開啟原站）
MIT 6.S191 第 4 課深入探討生成式模型，涵蓋變分自編碼器、生成對抗網路及變分大語言模型等核心技術。
※ 摘要僅根據標題與說明
- 影片進階EN
MIT 6.S191: Convolutional Neural Networks（在新分頁開啟原站）
本影片為 MIT 深層學習課程 6.S191 第 3 講，由 Alexander Amini 教授主講，專注於介紹卷積神經網路（CNN）在電腦視覺領域的應用。
6.8 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
MIT 6.S191: Recurrent Neural Networks, Transformers, and Attention（在新分頁開啟原站）
MIT 6.S191 第 2 課深入探討迴圈神經網路（RNN）與 Transformer 架構，並介紹注意力機制。課程涵蓋了這些模型在自然語言處理與機器學習中的應用，幫助讀者理解其運作原理與實作方法。
9.6 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
MIT Introduction to Deep Learning | 6.S191（在新分頁開啟原站）
MIT 6.S191 系列的第一堂關於深度學習基礎的講課，由 Alexander Amini 教授主講。內容涵蓋了深度學習的核心概念與理論框架，為後續學習提供必要的基礎知識。
35.1 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
MIT 6.S191 (2025): Deep Generative Modeling（在新分頁開啟原站）
MIT 6.S191 課程介紹了 2025 年關於深度生成式模型的教學，內容聚焦於該領域的最新發展與應用趨勢。
12.1 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
MIT 6.S191 (2025): Convolutional Neural Networks（在新分頁開啟原站）
MIT 6.S191 課程介紹了如何使用 CNN 處理影像，並探討了其應用於電腦視覺與深度學習。
22.7 萬次觀看※ 摘要僅根據標題與說明
- 影片高階EN
MIT 6.S191 (2025): Recurrent Neural Networks, Transformers, and Attention（在新分頁開啟原站）
MIT 6.S191 課程介紹了 2025 年復歸神經網路、Transformer 架構與注意力機制。
30.3 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
MIT Introduction to Deep Learning (2025) | 6.S191（在新分頁開啟原站）
MIT 6.S191 課程介紹了深度學習的基礎概念，適合想從零開始學習 AI 的讀者。
100 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
MIT 6.S191 (2025): AI for Biology (Microsoft)（在新分頁開啟原站）
MIT 6.S191 第 10 課由 Microsoft 的 Ava Amini 教授，介紹如何用 AI 最佳化生物學研究。影片涵蓋了將深度學習應用於生物學領域的具體方法與策略，幫助讀者掌握提升生物資料分析效率的新技術。
3.9 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
MIT 6.S191 (2025): A Hipocratic Oath, for *your* AI (Comet ML)（在新分頁開啟原站）
MIT 6.S191 第 9 課由 Doug Blank 教授，針對 Comet ML 平台提出「HIP 誓言」，強調 AI 開發者應遵守的倫理準則與責任。
1.8 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
MIT 6.S191 (2025): Large Language Models (Liquid AI)（在新分頁開啟原站）
MIT 6.S191 第 8 課介紹 Liquid AI 的液態 AI 大語言模型，探討如何透過後訓練技術提升模型效能。
6.2 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
MIT 6.S191 (2025): Large Language Models (Google)（在新分頁開啟原站）
本影片由 Google 的 Peter Grabowski 帶領，深入探討大型語言模型（LLM）的基礎原理與運作機制，涵蓋從資料構建到模型訓練的核心流程。
8.4 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
MIT 6.S191 (2025): Language Models and New Frontiers（在新分頁開啟原站）
MIT 6.S191 第 6 課探討語言模型的新前沿，涵蓋生成式 AI 的未來方向與挑戰。
6.3 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
MIT 6.S191 (2025): Reinforcement Learning（在新分頁開啟原站）
MIT 6.S191 第 5 堂課深入探討深度強化學習，由 Alexander Amini 教授主講。課程涵蓋基本概念、策略設計與學習演算法，並結合實際案例說明如何讓 AI 在複雜環境中學習。
12.7 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
MIT 6.S191 (2024): Google - Generative AI for Media（在新分頁開啟原站）
MIT 6.S191 課程介紹了 Google Generative AI 在媒體領域的應用，探討如何利用生成式技術重塑內容創作。
※ 摘要僅根據標題與說明
- 影片入門EN
MIT 6.S191 (2024): Building AI Models in the Wild（在新分頁開啟原站）
MIT 6.S191 課程介紹如何將 AI 模型部署於真實世界，內容涵蓋從資料準備到模型訓練的完整流程。
3.6 萬次觀看※ 摘要僅根據標題與說明
※ 摘要僅根據標題與說明
- 影片入門EN
MIT 6.S191 (2024): Reinforcement Learning（在新分頁開啟原站）
MIT 6.S191 課程介紹，由 Alexander Amini 於 2024 年錄製，內容聚焦於強化學習的基礎概念與應用。
12.7 萬次觀看※ 摘要僅根據標題與說明
- 10.4 萬次觀看
※ 摘要僅根據標題與說明
- 影片入門EN
MIT 6.S191 (2024): Convolutional Neural Networks（在新分頁開啟原站）
MIT 6.S191 課程介紹了深度學習中的卷積神經網路，探討其基本原理與應用。
16.3 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
MIT 6.S191 (2024): Recurrent Neural Networks, Transformers, and Attention（在新分頁開啟原站）
MIT 6.S191 課程介紹了神經網路中的迴歸神經網路、Transformer 架構以及注意力機制。
30.6 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
MIT Introduction to Deep Learning (2024) | 6.S191（在新分頁開啟原站）
MIT 6.S191 課程介紹了深度學習的基礎概念，涵蓋從數學原理到實際應用，適合想入門學習者。
100 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
MIT 6.S191 (2023): The Future of Robot Learning（在新分頁開啟原站）
MIT 6.S191 課程介紹了機器人學習的未來方向，探討了從傳統控制到機器學習的轉變。
※ 摘要僅根據標題與說明
- 影片入門EN
MIT 6.S191 (2023): The Modern Era of Statistics（在新分頁開啟原站）
MIT 6.S191 課程介紹現代統計學時代，探討資料如何塑造社會與政策，並分析 AI 在統計領域的應用與挑戰。
8.8 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
MIT 6.S191 (2023): Text-to-Image Generation（在新分頁開啟原站）
MIT 6.S191 課程介紹了 2023 年的文字轉圖片生成技術，探討了從文字到影象的生成過程與方法。
5.3 萬次觀看※ 摘要僅根據標題與說明
