课程主页:CS230: Deep Learning
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。
学生应具有以下背景:
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 |
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 |