更新：截止日期已延长至10月17日
我们之前讨论过为什么对于fast.ai来说，我们的首要目标是为任何程序员提供成为深度学习专家的途径。除非我们解决深度学习专业知识的巨大短缺问题，否则将很难解决阻碍深度学习帮助解决社会最棘手问题的其他所有问题。
对于希望有效学习使用深度学习的程序员来说，目前没有明确的途径。攻读博士学位需要多年时间，而且在你有合适的简历被录取之前甚至无法开始。像深度学习暑期学校和Insight Data Science Fellows这样的项目甚至需要博士学位才能被接受。大多数博客文章假设你已经是专家，而那些不是专家的文章也几乎无法让你成为专家。
对于那些克服了所有这些障碍的人来说，他们接下来必须面对的困难是，深度学习通常被作为一门数学学科来教授——正如我们将在下一篇文章中讨论的，数学学科的学习路径尤其不切实际。例如，牛津大学的研究生课程（在线提供）需要较高的数学水平才能理解材料，并且很少教授实际深度学习编码中涉及的重要实用技能。Ian Goodfellow 等人撰写的深度学习书籍也存在类似的问题。（非常令人惊讶的是，这本书完全没有代码，也很少提及实际计算问题。）考虑到这些可能被认为是现有的最强大的深度学习培训材料，您可以想象普通质量的材料是什么样子的！（澄清一下——对于那些希望进入学术界或希望更好地理解研究问题的专家来说，这些是极好的资源。）Rachel 发现，即使对于希望利用深度学习构建实用工具的数学家来说，这些资源也并非很有帮助。
2013年，Rachel 在一次聚会上听了 Ilya Sutskever（当时是刚获得博士学位在 Google 工作，现在是 Open AI 的总监）的演讲。她对理论兴趣不大，主要是想在家中实现一个神经网络（第一个开源深度学习框架 Caffe 直到2014年1月才发布）。在最后的问答环节，她问他是如何初始化他的网络的，他说那是一系列无人公开的“脏技巧”的一部分。当没有人分享这些实用信息时，其他人如何在自己的组织中做到这一点呢？在本课程中，我们希望为您提供实用技巧，包括如何预处理数据、何时使用哪种架构，以及是的，如何初始化权重。
我们解决这些问题的第一个步骤是提供一系列课程，旨在将程序员带到深度学习研究的前沿。10月24日，我们将开始数据学院深度学习证书的第一部分课程。据我们所知，本课程将是世界上第一个获得大学认证、开放获取、现场教学的深度学习证书。
申请参加的截止日期是10月12日 17日——所以如果你感兴趣，并且在旧金山湾区，请立即申请，将你的简历发送至[email protected]！如果你想了解教学风格，请查看上面的链接——我在演讲约30分钟时提供了卷积神经网络的介绍。（当然，实际课程的进度和运行方式会非常不同——上面的演讲只是作为数据学院启动的一部分进行的简要介绍。）
要了解证书中将涵盖的内容，请参阅我们的文章我们将涵盖什么。
阅读旧金山大学数据学院关于我们即将开设的深度学习课程的官方描述（周一晚上），并在10月12日 17日前将你的简历发送至[email protected]进行申请。