红色石头的个人网站：

红色石头的个人博客-机器学习、深度学习之路?

www.redstonewill.com图标

就在 3 月 21 日，由吴恩达开设的斯坦福深度学习课程 CS230 课程视频发布到了网上。视频摄制于 2018 年秋季，时隔半年，线上课程终于上线并公开！再一次，我们终于又目睹了 AI 界的大 IP：吴恩达大佬的风采！

本公开课视频由吴恩达（Andrew Ng）和 Kian Katanforoosh 共同讲解。总共包含了 5 节课。

视频目录：

  • Lecture 1 - Class Introduction and Logistics
  • Lecture 2 - Deep Learning Intuition
  • Lecture 3 - Full-Cycle Deep Learning Projects
  • Lecture 4 - How to tune your network
  • Lecture 5 - AI + Healthcare

课程视频首发于 Youtube 上，地址如下：

youtube.com/playlist?

考虑到有很多同学门观看视频不太方便，国内知名博主爱可可老师已经把视频搬运到了 B 站上！

视频地址：

bilibili.com/video/av47

最新的视频，欢迎尝鲜！不过值得注意的是，油管上的视频是配备英文字幕的，而 B 站上的暂时没有字幕。所以，想吃熟肉的还是尽量在油管上观看吧。

以上这些新公开的教学视频是源自斯坦福的深度学习课程 CS230 的。对应 CS230，石头君之前发文介绍过。如今，这门课有了不少更新和新的资源，除了上面的视频之外，还有一些整理出来，希望对大家有用！

课程简介

首先，还是要简单介绍一下 CS230。CS230 涉及到深度学习的基础知识、神经网路构建，以及如何完成一个成功的机器学习项目。具体将涉及卷积网路，RNNs，LSTM，Adam，Dropout，BatchNorm，Xavier / He 初始化等，还提供医疗，自动驾驶，手语阅读，音乐创作和自然语言处理等多领域的案例研究。

课程主页：

cs230.stanford.edu/

课程形式：

CS230 采取课内和 Coursera 在线课程相结合的形式，其中每一个课程的模块都需要在 Coursera 上观看视频、做测试并完成编程作业。

也就是说，你将先在家里观看 Coursera 视频、完成编程任务以及在线测验，然后来到课堂上做进一步讨论和完成项目。该课程将以开放式的最终项目结束，教学团队会在过程中提供帮助。

教学大纲：

教学大纲地址为：

cs230.stanford.edu/syll

所有教学大纲中包含的课件离线下载地址：

链接：

pan.baidu.com/s/1VaY_v4

密码：01n1

课程项目

CS230 最大的特色是课程最后会要求学生设计一个大项目。课程项目的题目非常开放。吴恩达希望学生明智地选择一个符合自己兴趣的项目，同时又是既有动力又有技术挑战性的。

项目类型主要分为三个类型：

  • 应用程序项目。这是迄今为止最常见的：选择一个你感兴趣的应用程序，并探索如何最好地应用学习演算法来解决它。
  • 演算法项目。选择一个问题或一系列问题，并开发一个新的学习演算法，或现有演算法的一个新变种来解决它。
  • 理论项目。证明一个新的或现有的学习演算法的一些有趣的或不平凡的特性。（这通常非常困难，因此很少有项目，如果有的话，是纯理论的。）一些项目还将结合应用程序和演算法的元素。

课程网页上也公布了每个学期学生的优秀项目。以 2018 年秋季为例，项目前几名的作品和一些优秀的项目作品也都公开出来了。

第一名的项目是《Deep Energies for Estimating Three-Dimensional Facial Pose and Expression》。点开就能看到这个项目的详细 Report。这里，附上地址：

cs230.stanford.edu/proj

课程资料

下面这份笔记和教程意在补充 Andrew Ng 和 Kian Katanforoosh 教授斯坦福大学 CS230 的材料。资料地址：

cs230-stanford.github.io

这些资料包含一些 PyTorch 和 TensorFlow 的教程，可能会对最终项目有所帮助！对应的 GitHub 地址为：

github.com/cs230-stanfo

CS230 速查表

之前，MIT 的 Afshine Amidi 和斯坦福大学的 Shervine Amidi 在博客上整理了一份 CS230 课程知识点的归纳总结。这份总结提要基本遵循 CS230 的授课思路和流程，分卷积神经网路、递归神经网路、提示与技巧，三大方面由浅入深地介绍了深度学习的基本概念、网路模型、研究和实验操作方法等。

下面就来看一下这三张速查表：

1. Convolutional Neural Networks

2. Recurrent Neural Networks

3. Tips and tricks

最后，作者还把上面这三张表整合在一个 pdf 文件中：

以上速查表的网页地址为：

github.com/afshinea/sta

离线下载地址：

链接：

pan.baidu.com/s/1DCIWDH

提取码：w2aq

最后，预祝你又拿下一门课！

更多 AI 干货，请关注公众号：AI有道！


推荐阅读：
相关文章