课程介绍
课程主页：Michigan·EECS498·Deep Learning for Computer Vision
密歇根EECS498课程，是李飞飞学生Justin Johnson从Stanford毕业后加入密歇根大学讲授的计算机视觉方向专业课程，核心内容覆盖神经网络、CNN、图像识别、RNN、神经网络训练、self-attention、transformer、生成模型、目标检测、图像分割、强化学习、多模态等内容。相对斯坦福目前公开的CS231n课程，此课程内容有更新更前沿的内容覆盖。
课程主题与大纲
- 计算机视觉中的深度学习介绍
- 图像分类
- 线性分类器
- 训练与优化
- 神经网络介绍
- 反向传播
- 卷积神经网络
- CNN典型结构
- 深度学习硬件与软件
- 训练神经网络
- 循环神经网络
- 注意力机制
- 可视化与模型理解
- 目标检测
- 目标检测与图像分割
- 3D计算机视觉
- 深度学习中的视频处理
- 生成模型
- 强化学习
ShowMeAI课程解读：全套资料
更多技术与课程清单 | 点击查看详细课程
| 技术方向 | 课程及链接 |
|---|---|
| 计算机数学基础 | MIT-计算机科学的数学基础 |
| 辛辛那提大学-微积分I | |
| 辛辛那提大学-微积分II | |
| 辛辛那提大学-离散数学 | |
| 斯坦福-线性代数与矩阵方法导论 | |
| 计算机科学导论 | 斯坦福-计算机科学导论 |
| 哈佛-计算机科学导论 | |
| MIT-计算机科学与Python编程导论 | |
| 数据结构与算法 | MIT-数据结构与算法设计 |
| 马里兰大学-数据结构 | |
| 数据库 | CMU-数据库系统导论 |
| CMU-数据库系统进阶 | |
| 机器学习及应用 | 斯坦福CS229 |
| MIT-机器学习导论 | |
| 深度学习及应用 | 斯坦福CS230 |
| 哈佛-Python人工智能入门 | |
| MIT-深度学习导论 | |
| 李宏毅-机器学习(&深度学习) | |
| 应用深度学习(全知识点覆盖) | |
| UC Berkeley-深度神经网络设计、可视化与理解 | |
| 威斯康星-深度学习和生成模型导论 | |
| UC Berkeley-全栈深度学习训练营 | |
| 自然语言处理 | 斯坦福CS224n（深度学习与NLP） |
| 斯坦福CS124（从语言到信息） | |
| 斯坦福CS520（知识图谱） | |
| 马萨诸塞-自然语言处理进阶 | |
| 计算机视觉 | 斯坦福CS231n（深度学习与CV） |
| 密歇根eecs498（CS231n进阶课） | |
| 慕尼黑工大adl4cv（深度学习与CV高阶课） | |
| 多模态 | CMU-多模态机器学习 |
| 图机器学习 | 斯坦福CS224w |
| 强化学习 | 斯坦福CS234（强化学习） |
| 伯克利CS285（深度强化学习） | |
| 无监督学习 | 伯克利CS294-158（深度无监督学习） |
| AI与生物医疗 | MIT-面向生命科学的深度学习 |
| MIT-基因组学机器学习 | |
| MIT-医疗机器学习 | |
| 图形学与几何 | CMU-计算机图形学 |
| AMMI-几何深度学习 | |
| 其他课程 | 哈佛-基于Python/JavaScript的web编程 |
| MIT-计算思维导论(Julia) |
