文章來(lái)源：斯坦福

一、課程內(nèi)容說(shuō)明

《CS231n》是斯坦福的李飛飛、Justin Johnson和Serena Yeung三位老師共同制作的2017年春節(jié)的最新教學(xué)課程。計(jì)算機(jī)視覺(jué)已經(jīng)在我們的社會(huì)中普遍存在，應(yīng)用于搜索，圖像理解，應(yīng)用程序，繪圖，醫(yī)學(xué)，無(wú)人機(jī)和自駕車。許多這些應(yīng)用程序的核心是視覺(jué)識(shí)別任務(wù)，如圖像分類，定位和檢測(cè)。神經(jīng)網(wǎng)絡(luò)（又稱“深度學(xué)習(xí)”）方法的最新進(jìn)展大大提高了這些最先進(jìn)的視覺(jué)識(shí)別系統(tǒng)的性能。本課程深入了解深入學(xué)習(xí)架構(gòu)的細(xì)節(jié)，重點(diǎn)是學(xué)習(xí)這些任務(wù)的端到端模型，特別是圖像分類。在10周的課程中，學(xué)生將學(xué)習(xí)實(shí)施，訓(xùn)練和調(diào)試自己的神經(jīng)網(wǎng)絡(luò)，并詳細(xì)了解計(jì)算機(jī)視覺(jué)的尖端研究。最終的任務(wù)將涉及到數(shù)百萬(wàn)個(gè)參數(shù)卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，并將其應(yīng)用于最大的圖像分類數(shù)據(jù)集（ImageNet）。我們將重點(diǎn)介紹如何建立圖像識(shí)別問(wèn)題，學(xué)習(xí)算法（如反向傳播），訓(xùn)練的實(shí)際工程技巧和微調(diào)網(wǎng)絡(luò)，引導(dǎo)學(xué)生進(jìn)行實(shí)際操作和最終課程項(xiàng)目。

二、課程教學(xué)團(tuán)隊(duì)（截圖）

三、課程目錄和地址（ppt）：可直接下載使用

4月4日  lecture1:Course Introduction

http://cs231n./slides/2017/cs231n_2017_lecture1.pdf

4月6日  lecture2:Image Classification 

http://cs231n./slides/2017/cs231n_2017_lecture2.pdf

4月11日  lecture3:Loss Functions and Optimization 

http://cs231n./slides/2017/cs231n_2017_lecture3.pdf

4月13日 lecture4:Introduction to Neural Networks 

http://cs231n./slides/2017/cs231n_2017_lecture4.pdf

4月18日 lecture5:Convolutional Neural Networks 

http://cs231n./slides/2017/cs231n_2017_lecture5.pdf

4月20日  lecture6:Training Neural Networks, part I 

http://cs231n./slides/2017/cs231n_2017_lecture6.pdf

4月25日 lecture7:Training Neural Networks, part II 

http://cs231n./slides/2017/cs231n_2017_lecture7.pdf

4月27日  lecture8:Deep Learning Software 

http://cs231n./slides/2017/cs231n_2017_lecture8.pdf

5月2日  lecture9:CNN Architectures

http://cs231n./slides/2017/cs231n_2017_lecture9.pdf

5月4日 lecture10:Recurrent Neural Networks 

http://cs231n./slides/2017/cs231n_2017_lecture10.pdf

5月11日 lecture11:Detection and Segmentation 

http://cs231n./slides/2017/cs231n_2017_lecture11.pdf

5月16日 lecture12:Visualizing and Understanding 

http://cs231n./slides/2017/cs231n_2017_lecture12.pdf

5月18日 lecture13:Generative Models

http://cs231n./slides/2017/cs231n_2017_lecture13.pdf

5月23日  lecture14:Deep Reinforcement Learning 

http://cs231n./slides/2017/cs231n_2017_lecture14.pdf

5月25日 lecture15:Real-World Use 

ppt還未公布

6月1日 lecture16:Student spotlight talks, conclusions

ppt還未公布