CS 294-112作业（2017年秋季提供） 这是我为做作业的github（于2017年秋季提供）。 我远程讲授了这门课程（使用讲义和视频），并实施了作业的编码部分。 以下是我为每个作业分配的内容简介。 免责声明：此代码仅用于教育目的。 参加本课程当前迭代的学生应避免复制此代码，因为这会破坏学术诚信并妨碍他们自己的教育。 依存关系 Gym 0.9.5用于作业3。 请注意，在本课程中，其中一些依赖项尚未发布。 此外，已修改了入门代码，以反映OpenAI Gym文档中的更改。 作业1 到目前为止，该课程涵盖了更基本的监督学习。 我实现了BC（行为克隆）和DAgger（数据集聚合），这（略有改善）了结果。 我还尝试了各种超参数。 作业2 我实现了策略梯度算法，并在各种环境下进行了一些测试。 我玩了超参数，发现我的实现使代理的奖励收敛到理论值。 我还实施了GAE（广义优势估算）并比

数字集成电路设计课程课件来自伯克利的，内容详实

MPC算法伯克利分校精品资源，对理解MPC算法，实现matlab编程具有很好的参考意义

学习电磁学的经典教材，讲得很全面，也很详细

世界知名的伯克利大学开发的AI课件。配合教材使用Artificial intelligence: a morden approach.

并行计算课件（包含伯克利大学，试题等）

大家现在跳舞（火炬） 伯克利AI实验室的的PyTorch实施。 包括姿势归一化以外的所有功能。 其他实现： EverybodyDanceNow转载于pytorch pytorch-EverybodyDanceNow 还要检查以便从单眼图像中进行3D人体网格估计。 环境 Ubuntu 18.04（但是16.04也应该很好） Python 3.6 CUDA 9.0.176 PyTorch 0.4.1发布2 对于其他必需的软件包，请使用pip install -r requirements进行快速安装。 由于姿态估计器是在Keras中实现的，因此该项目需要tensorflow> 1.9.0。 如果使用独立的Keras软件包，请在./pose_estimator/compute_coordinates_for_video.py更改相应的导入命令。 但是，您将无法以这种方式使

作业。

主要是介绍计算机视觉的相关理论知识，结合了近期比较火的深度学习技术，初学者可以看看

FinBERT：针对财务NLP任务的SEC文件进行了预培训 Vinicio DeSola，Kevin Hanna，Pri Nonis 模型重量 出版物 动机 目标1 FinBERT-Prime_128MSL-500K+512MSL-10K vs BERT 比较技术财务句子的LM LM预测准确性 比较类比财务关系 目标2的FinBERT-Prime_128MSL-500K vs FinBERT-Pre2K_128MSL-500K 比较来自2019年财经新闻的Mask LM预测准确性 比较财务关系的类比，衡量理解的转变：1999年与2019年的风险与气候 目标3 FinBERT-Prime_1