斯坦福大学教授李飞飞拥有众多头衔,毫无疑问是人工智能领域的大 IP。她在斯坦福开设的机器视觉课程 CS231n 一直以来都是王牌课程,惠及数十万的人工智能爱好者。
CS231n,无疑是一门在每学期都会引起一波尖叫的明星课。即使在斯坦福,这也是新生们每学期抢到手软都抢不到的神课。据统计,2018 年有超过800人注册抢课。
我的读者们应该基本都熟知这门课。CS231n 每年会更新,而最为大家所了解也是最普及的版本应该是 2017 春季学期的课程。之前的课程 Andrej Karpathy大神有教,不过他没有出现在最新的 2017 春季学期的课程里。他已经博士毕业了。
课程信息
课程主页:
http://cs231n.stanford.edu/
课程视频:
https://www.youtube.com/playlist?list=PLC1qU-LWwrF64f4QKQT-Vg5Wr4qEE1Zxk
https://ai.yanxishe.com/page/groupDetail/19
关于课程视频说一下,第一个是在油管上的,要自备梯子;第二个是针对 2017 春季的版本,网上更流行的应该是网易云课程的视频,不过是 CS231n 2016 冬季学期。所以,红色石头觉得还是看上面的 2017 春季版本的比较好。
课件:
http://cs231n.stanford.edu/syllabus.html
作业完整代码:
https://github.com/Burton2000/CS231n-2017
资料很全啊!但是,这不是今天的重点!今天,红色石头给大家介绍一份该课程 CS231n 春季版本的汇总资料,整理的非常全,涵盖了 CS231n 课程的大部分知识点,当然,作者认为不重要的部分也都一笔带过。这份资料对于学完课程的同学有着非常重要的查缺补漏功能。一起来看看吧!
首先放上资料地址:
https://github.com/Burton2000/CS231n-2017
精炼笔记
从目录来看,完整地包含了 16 个课程内容。资料前两个部分是对课程做一个简单的介绍,后面 16 个子目录是课程的精炼笔记,包括图像分类、损失函数和优化、神经网络等知识点的笔记。总的来说,看完这篇图文并茂的汇总资料,你的脑海中会对李飞飞的这门课程有一个整体的逻辑结构。
下面来看该精炼笔记的一些示例。
1. 图像分类
2. 损失函数和优化
3. 训练神经网络
4. CNN 框架
5. RNN
6. 检测和分割
7. 生成模型
8. 深度强化学习
当然,以上只是简要的列举了一些图文信息,完整的精炼笔记内容请在上面给出的地址阅读。
总的来说,这份精炼笔记作为学完视频和课程后的总结和自检还是非常不错的。最后再次放出该笔记的地址:
https://github.com/Burton2000/CS231n-2017