33个诺贝尔奖、几百万欧元经费、只收博士……这个充满了神秘色彩学术氛围的研究所，便是德国马克斯·普朗克研究所，简称马普所。
而就在这几天，这间重视基础科研的研究所开启了免费暑期机器学习基础线上课，从机器学习入门到实践一课通。
△ 听众来自各地，也能看到中国的朋友
不仅有图灵奖获得者Yoshua Bengio亲自授课，还有来自英国皇家学院的院士Peter Dayan参与。
教授们多来自牛津、剑桥、伯克利等名校，其中获得过历年IEEE、ISMP、CVPR、ICML、NIPS、ACM等最佳论文奖的不计其数。
目前为期10天的线上直播课程已正式开始，错过直播也别担心，教学视频可以随时回放。（文末附回放链接哦）
有点心动？
来快速了解一下课程内容。
主要课程介绍
自2002年起，马普所就开始开展暑期机器学习课程，旨在为想要入门机器学习的从业者或学生打下扎实的理论基础，并快速上手实践。
18年来，每年的授课老师都不一样，课程内容也紧跟行业潮流。
△ 时讲时新的PPT内容，紧随前沿知识
马普所从机器学习各领域中筛选前沿人才，并根据他们的研究经验来安排课程内容。
课程中所涉及的编程语言以Python为主，想要入门的小伙伴需要有一定的Python基础，同时也需要熟悉线代、概率论及统计等数学知识。
主要课程内容如下：
深度学习
深度学习，机器学习下的一个研究分支，近年来随着人工智能行业兴起，深度学习也开始进入大众视野。与特征工程不同，深度学习完全由神经网络自主学习特征。
讲师Yoshua Bengio，图灵奖获得者，主攻深度学习方向的研究。
△ Yoshua Bengio
最优化算法
最优化是机器学习下的深度学习中的一种重要算法，广为大众所熟知的梯度下降法便属于最优化算法的一种。
如何通过训练神经网络，让损失函数最小化？最优化算法便致力于解决这个问题。
△ Francis Bach
讲师Francis Bach是来自伯克利大学的博士，目前领导团队进行机器学习的研究，包括最优化算法、有/无监督学习等。
因果推断
在常用机器学习算法中，关注的是特征之间的相关性，但通常无法判断特征之间的因果关系。然而人们多数情况下在做决策与判断时，会用到因果性。
合理运用因果性，对于验证、决策等行为都会有所帮助。
讲师Bernhard Schölkopf和Stefan Bauer是来自马普所的专业研究人员，主要研究方向为实证推论、归纳推理等。
几何深度学习
随着深度学习的发展，深度学习算法已不局限在传统的图像、声音、文本等数据，也开始面向更一般的几何对象如网络、空间点云、曲面等应用，便有了几何深度学习。
讲师Michael Bronstein，几何深度学习方向领军人，任斯坦福、哈佛和麻省理工学院的客座教授。
计算神经科学
计算神经科学，采用数学分析和计算机模拟，在不同水平上对神经系统进行模拟和研究。简而言之，就是通过研究人脑和神经系统的构造，理解其工作原理，从而更好地完善机器学习理论。
讲师Peter Dayan，马普所的研究导师，目前专注于计算神经科学的研究方向。
△ Peter Dayan，英国皇家院士
除此之外，课程内容还涉及机器学习中的学习理论、博弈论、核方法、公平性、贝叶斯预测、强化学习、元学习及机器学习在医疗领域方向的应用，可以说是从理论到实践一应俱全。
进度安排表
由于马普所地理位置在德国，德国时间比北京时间晚6小时，所以部分课程的直播时间会在国内深夜（热爱学习，无惧秃头）。
下面是课程进度安排表，对某些课时感兴趣的小伙伴，可以选择教学视频、或观看教学PPT学习。
课程链接
http://mlss.tuebingen.mpg.de/2020/schedule.html
“
