33個諾貝爾獎、幾百萬歐元經費、只收博士……這個充滿了神秘色彩學術氛圍的研究所，便是德國馬克斯·普朗克研究所，簡稱馬普所。
而就在這幾天，這間重視基礎科研的研究所開啟了免費暑期機器學習基礎線上課，從機器學習入門到實踐一課通。
△ 聽眾來自各地，也能看到中國的朋友
不僅有圖靈獎獲得者Yoshua Bengio親自授課，還有來自英國皇家學院的院士Peter Dayan參與。
教授們多來自牛津、劍橋、伯克利等名校，其中獲得過歷年IEEE、ISMP、CVPR、ICML、NIPS、ACM等最佳論文獎的不計其數。
目前為期10天的線上直播課程已正式開始，錯過直播也別擔心，教學影片可以隨時回放。（文末附回放連結哦）
有點心動？
來快速瞭解一下課程內容。
主要課程介紹
自2002年起，馬普所就開始開展暑期機器學習課程，旨在為想要入門機器學習的從業者或學生打下紮實的理論基礎，並快速上手實踐。
18年來，每年的授課老師都不一樣，課程內容也緊跟行業潮流。
△ 時講時新的PPT內容，緊隨前沿知識
馬普所從機器學習各領域中篩選前沿人才，並根據他們的研究經驗來安排課程內容。
課程中所涉及的程式語言以Python為主，想要入門的小夥伴需要有一定的Python基礎，同時也需要熟悉線代、機率論及統計等數學知識。
主要課程內容如下：
深度學習
深度學習，機器學習下的一個研究分支，近年來隨著人工智慧行業興起，深度學習也開始進入大眾視野。與特徵工程不同，深度學習完全由神經網路自主學習特徵。
講師Yoshua Bengio，圖靈獎獲得者，主攻深度學習方向的研究。
△ Yoshua Bengio
最最佳化演算法
最最佳化是機器學習下的深度學習中的一種重要演算法，廣為大眾所熟知的梯度下降法便屬於最最佳化演算法的一種。
如何透過訓練神經網路，讓損失函式最小化？最最佳化演算法便致力於解決這個問題。
△ Francis Bach
講師Francis Bach是來自伯克利大學的博士，目前領導團隊進行機器學習的研究，包括最最佳化演算法、有/無監督學習等。
因果推斷
在常用機器學習演算法中，關注的是特徵之間的相關性，但通常無法判斷特徵之間的因果關係。然而人們多數情況下在做決策與判斷時，會用到因果性。
合理運用因果性，對於驗證、決策等行為都會有所幫助。
講師Bernhard Schlkopf和Stefan Bauer是來自馬普所的專業研究人員，主要研究方向為實證推論、歸納推理等。
幾何深度學習
隨著深度學習的發展，深度學習演算法已不侷限在傳統的影象、聲音、文字等資料，也開始面向更一般的幾何物件如網路、空間點雲、曲面等應用，便有了幾何深度學習。
講師Michael Bronstein，幾何深度學習方向領軍人，任斯坦福、哈佛和麻省理工學院的客座教授。
計算神經科學
計算神經科學，採用數學分析和計算機模擬，在不同水平上對神經系統進行模擬和研究。簡而言之，就是透過研究人腦和神經系統的構造，理解其工作原理，從而更好地完善機器學習理論。
講師Peter Dayan，馬普所的研究導師，目前專注於計算神經科學的研究方向。
△ Peter Dayan，英國皇家院士
除此之外，課程內容還涉及機器學習中的學習理論、博弈論、核方法、公平性、貝葉斯預測、強化學習、元學習及機器學習在醫療領域方向的應用，可以說是從理論到實踐一應俱全。
進度安排表
由於馬普所地理位置在德國，德國時間比北京時間晚6小時，所以部分課程的直播時間會在國內深夜（熱愛學習，無懼禿頭）。
下面是課程進度安排表，對某些課時感興趣的小夥伴，可以選擇教學影片、或觀看教學PPT學習。
課程連結
http://mlss.tuebingen.mpg.de/2020/schedule.html