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) |
