| 日期 | 标题 | 封面 | 时长 | 视频（4K） |
|---|---|---|---|---|
| 录制中 | 图神经网络 的可视化介绍 | |||
| 10/27/21 | Transformer 逐段精读 （视频中提到的文献 1) |
 |
87:05 | B站, 知乎, YouTube |
| 10/22/21 | ResNet 论文逐段精读 |  |
53:46 | B站, 知乎, YouTube |
| 10/21/21 | 撑起计算机视觉半边天的 ResNet |  |
11:50 | B站, 知乎, YouTube |
| 10/15/21 | AlexNet 论文逐段精读 |  |
55:21 | B站, 知乎, YouTube |
| 10/14/21 | 9年后重读深度学习奠基作之一：AlexNet |  |
19:59 | B站, 知乎, YouTube |
| 10/06/21 | 如何读论文 |  |
06:39 | B站, 知乎, YouTube |
考虑在之后视频中将要介绍的论文。选取的原则是10年内深度学习里有影响力文章（必读文章），或者近期比较有意思的文章。当然这十年里重要的工作太多了，不可能一一过一遍。在选取的时候我会偏向一些之前 直播课 中没讲到过的。 欢迎大家在 讨论区 里提供（点）建议（歌）。
录一篇文章的时间大概是5个小时（录制、剪辑、上传），这里不算上读文章的时间。我一般是每天深夜找半个小时或者一个小时做一点。如果没有其他更紧要的事情的话，10天左右可以出一篇。如果大家热情 加⭐ 话，可以多赶一赶🤣
下面列表将会持续更新（数字不代表讲的顺序）。
- Adam。深度学习里最常用的优化算法之一。
- EfficientNet。通过架构搜索得到的CNN，现在常被使用。
- BERT。让深度学习在NLP上热度超过了CV。
- GPT3。朝着zero-shot learning迈了一大步。当然也得讲一讲GPT/GPT-2
- GAN。生成类模型中的开创性工作。
- CLIP。图片分类从此不用标数据。
- Non-deep networks。21年10月的新工作，让不深的网络也能在ImageNet刷到SOTA。
- 为什么超大的模型泛化性不错
- GNN介绍。Distill上最近一篇写得很好的介绍性文章。
- AlphaGo。让强化学习出圈的一系列工作。