这是对卷积神经网络工作原理的解释。
这是图片分割的效果。
你能学会如何对模糊图片进行增强。
以及如何训练语言模型和下游分类任务。
课程涵盖的知识点，包括但不限于以下内容：
怎么样？足够有用，也足够前沿吧？
效果你可能很关心，花了7周时间学完之后，效果会怎么样？
Jeremy 自己表示，课程里面有些前沿内容，还没有在学术期刊上发表。
如果你是学术圈人士，看了这句话，应该微微一笑——吹吧！怎么可能？傻吗？
但这个 Jeremy ，以前真这么干过。
前面提的他那篇 ULMfit 语言模型论文，你应该还有印象吧？
注意，Jeremy 不是像很多学者那样，先发表了论文，然后才把内容在课程中讲授的。
虽然是在旧金山大学教书，但是 Jeremy Howard 对于写论文的兴趣无限趋近于0.
他在上课的过程中，对于最新的机器学习研究旁征博引，带着一群初学者，游走在学科的边缘上。
他直接在自己的课程中讲了 ULMfit 这种方法，鼓励学生去试。
他展示的语言模型迁移学习分类效果，许多已经超过目前最优水平。
他发现许多显而易见的东西，居然都没有人尝试过，更没有人发表过。
于是，授课之余，他经常跑到人家深度学习圈儿里面，扔一两个想法和实践效果进去，不过基本上没人搭理他。
原因很简单，学术界也是有路径依赖的。
让人家专家学者放着大路不走，试你这野路子？
好在，具有真有一位自然语言处理领域的活跃学者，来找他聊天儿。说对他提的这种新自然语言处理深度学习方法，很感兴趣。
他挺开心的，俩人就聊，越聊越投机。
然后，这个叫做 Sebastian Ruder 的人，就提出来“既然你这想法，学术圈别人没试过，咱们合写论文吧！”
想起来了吧？我在知识星球里，曾经为你介绍过这家伙，以及他那份著名的 NLP 前沿进展汇总。
面对 Sebastian 伸过来的橄榄枝，Jeremy 如何表态呢？
他立即回答：
No!
我才不写那玩意儿！
Sebastian Ruder 于是使尽浑身解数，附加了以下条件：
你不需要给论文里面写一个字。只提供想法和代码就可以；
我帮你把它完整转换成为学术论文格式，用严谨的方式加以讨论；
咱们第一时间把论文放到预印本平台，并投稿自然语言处理领域的高水平会议，以便让更多人能免费阅读，并因此获得收益。
Jeremy 终于同意了。
这篇论文被 ACL 接收后，收获大量关注。
更有趣的是，当初无人问津的方法，人们真的严肃尝试后，获得的奖项一个接一个。
我在《如何用 Python 和深度迁移学习做文本分类？》一文中，给你讲到过，Czapla 等人，就利用这种方法，轻松赢得了波兰语信息检索比赛 PolEval'18 的第一名，他们的模型效果，领先第二名 35% 。
这时候，回过头来，再看 Jeremy 那句“课程里面有些前沿内容，还没有在学术期刊上发表”，你明白意味着什么了吧？
资源笃定决心要学的话，我们来说说如何上这门免费 MOOC 吧。
如果你使用笔记本电脑，可以点击这个链接，直接访问课程的视频。
有意思的是，这一版课程，包含了新的视频播放器。最大的特点是，你可以用内置内容搜索的功能，直接定位到感兴趣的段落。这样，找起内容和知识点来，方便多了吧？
