课程介绍
深度学习是AI领域中最受欢迎的技能之一，斯坦福CS230深度学习课程由吴恩达教授和他的助教Kian Katanforoosh讲授。
课程内容覆盖：深度学习的基础，理解如何构建神经网络，卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）、Adam 优化器、Dropout 方法、BatchNorm 方法、Xavier/He 初始化方法等。
课程也涉及了深度学习在医疗、自动驾驶、手语识别、音乐生成和自然语言处理等领域的应用案例。
前置课程
学生应具有以下背景：
- 掌握计算机科学基本原理和技能，编程能力达到一个水平足以编写一个相对比较复杂的计算机程序 Python/Numpy （CS106A、CS106B、CS106X）。
- 熟悉概率理论（CS 109、MATH151 或 STAT116）。
- 熟悉多变量微积分和线性代数。包括但不限于 MATH51、MATH104、MATH113、CS205、CME100）。
课程速查表 | 【点击链接】
课程重点笔记 | 【点击板块】
| 板块编号 | 笔记链接 |
|---|---|
| 板块1 | 卷积神经网络 |
| 板块2 | 循环神经网络 |
| 板块3 | 深度学习技巧与经验 |
课程作业 |【作业代码解析】|【点击编号】
| 作业编号 | solution地址 |
|---|---|
| 第1门-作业1 | 无作业 |
| 第1门-作业2 | 神经网络基础 |
| 第1门-作业3 | 浅层神经网络 |
| 第1门-作业4 | 深层神经网络 |
| 第2门-作业1 | 神经网络实践(初始化、正则化、梯度检查) |
| 第2门-作业2 | 神经网络优化算法 |
| 第2门-作业3 | 超参数调优、BN与Tensorflow实践 |
| 第3门-作业 | 无作业 |
| 第4门-作业1 | 卷积神经网络基础 |
| 第4门-作业2 | 深度卷积神经网络 |
| 第4门-作业3 | 目标检测实现 |
| 第4门-作业4 | 图像风格转换与人脸识别 |
| 第4门-作业1 | 循环神经网络与LSTM |
| 第4门-作业2 | 自然语言处理与词嵌入 |
| 第4门-作业3 | 序列模型与注意力机制 |
课程资料 | 下载
 |
扫描上方图片二维码，关注公众号并回复关键字 🎯『CS230』，就可以获取整理完整的资料合辑啦！当然也可以点击 🎯 这里 查看更多课程的资料获取方式！
ShowMeAI 对课程资料进行了梳理，整理成这份完备且清晰的资料包：
- 📚 笔记（详细版本、漫画版本、markdown版本）
- 📚 作业与答案
- 📚 课件
- 📚 CS230知识速查表
课程视频 | B站
ShowMeAI 将视频上传至B站，并增加了中英双语字幕，以提供更加友好的学习体验。点击页面视频，可以进行预览。推荐前往 👆 B站 观看完整课程视频哦！
本门课程，ShowMeAI 将部分章节进行了切分，按照主题形成更短小的视频片段，便于按照标题进行更快速的检索。切分后的视频清单列写在这里：
| 序号 | 视频章节 | 视频清单 |
|---|---|---|
| L1 | 第1节 | 课程介绍与基础知识 |
| L2 | 第2节 | 深度学习直觉 |
| L3 | 第3节 | 全周期深度学习项目 |
| L4 | 第4节 | 对抗性攻击 / GAN |
| L5 | 第5节 | 人工智能+医疗 |
| L6 | 第6节 | 深度学习项目策略 |
| L7 | 第7节 | 神经网络的可解释性 |
| L8 | 第8节 | 职业建议/阅读研究论文 |
| L9 | 第9节 | 深度强化学习 |
| L10 | 第10节 | 聊天机器人/结束语 |
更多技术与课程清单 | 点击查看详细课程
