速来围观:斯坦福大学李飞飞教授开新课!

旭峰 2019-04-10

点击上方关注,All in AI中国

斯坦福大学人工智能系列课程CS231n新增一课,2019年春季开设视觉识别的卷积神经网络(Convolutional Neural Networks for Visual Recognition)课程。该课程由李飞飞教授团队讲授。

速来围观:斯坦福大学李飞飞教授开新课!

课程主页:http://cs231n.stanford.edu/index.html课程日历http://cs231n.stanford.edu/syllabus.html

课程描述

随着搜索、图像理解、应用程序、地图、医学、无人机和自动驾驶汽车等领域的应用,计算机视觉已经在我们的社会中变得无处不在。这些应用程序的核心是视觉识别任务,如图像分类、定位和检测。最近神经网络(又称“深度学习”)方法的发展极大地提高了这些最先进的视觉识别系统的性能。本课程深入研究深度学习架构的细节,重点学习这些任务的端到端模型,特别是图像分类。在为期10周的课程中,学生将学习如何实现、训练和调试自己的神经网络,并对计算机视觉领域的前沿研究有一个详细的了解。最后一项任务是训练一个数百万参数的卷积神经网络,并将其应用于最大的图像分类数据集(ImageNet)。我们将重点讲授如何设置图像识别问题、学习算法(如反向传播)、训练和微调网络的实际工程技巧,并通过实际作业和期末课程项目指导学生。本课程的大部分背景和材料将取自ImageNet挑战赛。

授课团队来自由李飞飞教授领导的斯坦福大学视觉实验室,主讲老师为李飞飞教授,Justin Johnson和Serena Yeung. 助教团队多达23人。

先决条件

熟练使用Python,熟悉C/ c++

所有的课堂作业都将使用Python(并使用numpy)(我们在这里为那些不太熟悉Python的人提供了一个教程),但是我们稍后可能在课堂上看到一些深度学习库是用c++编写的。如果你有丰富的编程经验,但使用不同的语言(如C/ c++ /Matlab/Javascript),你可能会用的很好。

大学微积分、线性代数(如数学19或41,数学51)

你们应该熟悉求导和理解矩阵向量运算和符号。

基本概率及统计(例如CS 109或其他统计课程)

你应该了解概率、高斯分布、均值、标准差等基本知识。

CS229相关知识(机器学习)

我们将制定成本函数、求导和梯度下降进行优化。

斯坦福大学李飞飞教授2019年cs231n课程1-3节Slides的下载链接:

「链接」 密码:w9a5

速来围观:斯坦福大学李飞飞教授开新课!

编译出品

相关推荐