由吳恩達與 Kian Katanforoosh 指導的 CS230(深度學習)課程2021開始。
深度學習是人工智能中最受歡迎的技能之一。在CS230課程中,你將學習深度學習的基礎,了解如何構建神經網絡,以及如何完成一個成功的機器學習項目。你將學習卷積網絡、RNNs、LSTM、Adam、Dropout、BatchNorm、Xavier/He初始化等方法。
課程地址://web.stanford.edu/class/cs230/
課程簡介:深度學習是 AI 領域中最受歡迎的技能之一。這門課程將幫助你學好深度學習。你將學到深度學習的基礎,理解如何構建神經網絡,并學習如何帶領成功的機器學習項目。你將學到卷積神經網絡(CNN)、循環神經網絡(RNN)、長短期記憶網絡(LSTM)、Adam 優化器、Dropout 方法、BatchNorm 方法、Xavier/He 初始化方法等。你將在醫療、自動駕駛、手語識別、音樂生成和自然語言處理等領域中進行案例研究。你不僅能掌握理論,還能看到深度學習如何應用到產業中。我們將需要使用 Python 和 TensorFlow 來實現所有的項目,課程中也會教這一部分。完成這門課程后,你將能以創新的方式將深度學習應用到你的工作中。該課程是以翻轉課堂的形式教學的。你將先在家里觀看 Coursera 視頻、完成編程任務以及在線測驗,然后來到課堂上做進一步討論和完成項目。該課程將以開放式的最終項目結束,教學團隊會在過程中提供幫助。
【導讀】李飛飛老師的CS231N課程《卷積神經網絡視覺識別》被奉為經典,最新2021季3月30號開始了!眾多想學習深度卷積神經網絡的同學,可不能錯過!
地址: //cs231n.stanford.edu/index.html
計算機視覺已經在我們的社會中無處不在,隨著搜索、圖像理解、apps、地圖、醫學、無人機和自動駕駛汽車等領域的應用,計算機視覺已經在我們的社會中無處不在。
這些應用程序的核心是視覺識別任務,如圖像分類和對象檢測。神經網絡方法的最新發展極大地提高了這些最先進的視覺識別系統的性能。本課程深入探討了基于神經網絡的計算機視覺深度學習方法的細節。
在本課程中,學生將學習如何實現、訓練和調試自己的神經網絡,并對計算機視覺的前沿研究有詳細的了解。我們將涵蓋學習算法,神經網絡架構,和實際工程技巧的訓練和微調網絡的視覺識別任務。