From b3f7a59068cfb80cd25670e6a07289995eab0b05 Mon Sep 17 00:00:00 2001
From: linzhuo <15313137931lz@gmail.com>
Date: Tue, 10 Sep 2024 12:30:14 +0800
Subject: [PATCH] add MIT 6.5940

---
 docs/深度学习/MIT-6.5940.md | 30 ++++++++++++++++++++++++++++++
 1 file changed, 30 insertions(+)
 create mode 100644 docs/深度学习/MIT-6.5940.md

diff --git a/docs/深度学习/MIT-6.5940.md b/docs/深度学习/MIT-6.5940.md
new file mode 100644
index 00000000..38dc61b2
--- /dev/null
+++ b/docs/深度学习/MIT-6.5940.md
@@ -0,0 +1,30 @@
+# TinyML and Efficient Deep Learning Computing 
+
+## 课程简介
+
+- 所属大学：MIT
+- 先修要求：Machine Learning, Deep Learning
+- 编程语言：Python
+- 课程难度：主要在于读论文吧
+- 预计学时：
+
+<!-- 用一两段话介绍这门课程，内容包括但不限于：
+    （1）课程覆盖的知识点范围
+    （2）与同类课程相比它的优势与特点
+    （3）学习这门课程的体验与感受
+    （4）自学这门课的注意点（踩过的坑、难度预警等等）
+    （5）... ...
+-->
+
+介绍关于深度学习神经网络模型量化，剪枝，蒸馏，性能优化等等相关内容，每一节课本质上都是介绍几十篇经典论文，老师讲课更多是一种introduction。感觉是很前沿的方向，所以很多内容都是半年甚至几个月之前的成果，很与时俱进，2024fall的也已经开始了。全部视频录像和pdf课件都是公开的。
+
+其中有一些嵌入式DL，甚至学期最后有一些量子计算的内容，也是很全面包罗万象了，如果只是对于模型量化等感兴趣，感觉也可以只看相关内容，然后顺藤摸瓜去看论文。
+
+我没有去做作业，但是看2023fall课堂介绍的内容，作业对硬件要求不是很高，完全通过colab即可完成，特殊情况下只需要冲一个colab小会员即可，不像现在一些DL的课，对硬件要求比较高。
+
+## 课程资源
+
+- 课程网站：<https://efficientml.ai>
+- 课程视频：见官网，youtube
+- 课程教材：见官网
+- 课程作业：见官网