五一重磅-李飞飞团队主讲-CS231-2018（春）基于CNN的视觉识别课程分享

    2018年已经过去四分之一，深度学习领域最经典课程之一《 CS231n: Convolutional Neural Networks for Visual Recognition 》再度开课，今天就跟大家分享下今年课程的最新内容。文末包含cs231-2018年所有资料下载链接。

课程描述

    计算机视觉应用存在于我们生活的方方面面，比如图片搜索，图像理解，人脸识别，应用程序，制图，医药，无人驾驶飞机和自动驾驶汽车等等。这些应用的核心是视觉识别任务，例如图像分类，定位和检测。神经网络（又名“深度学习”）方法的最新发展大大提高了这些最先进的视觉识别系统的性能。

    本课程将深入探索深度学习架构的细节，重点在于学习用于这些任务的端到端模型构成，尤其是图像分类。在为期10周的课程中，学生将学习实现，训练和调试自己的神经网络，并对计算机视觉最前沿的研究的进行详细了解。最后的任务是训练一个具有数百万参数的卷积神经网络，并将其用于最大的图像分类数据集（ImageNet）。我们将主要学习如何定义一个图像识别问题，什么是学习算法（例如反向传播），如何训练和微调网络网络参数等实用工程技巧，并指导学生完成一系列的实践任务和最终课程项目。

课程教学大纲

课程资料下载

    链接:

https://pan.baidu.com/s/1QFni9LwPXYo3GwwgsCiP6g

    密码: mpk4

    资料包括课程的ppt，coursenote，schedule and Syllabus等。

    今年课程视频教程不对外开发，课程的主要内容没有较大的变动可以参考2017年的视频教程，下面附上历年课程链接。

    2015 -> http://cs231n.stanford.edu/2015/

    2016 -> http://cs231n.stanford.edu/2016/

    2017 -> http://cs231n.stanford.edu/2017/

往期精彩内容分享

重磅干货-史上最全推荐系统资源分享

精品推荐-2018年Google官方Tensorflow峰会视频教程完整版分享

DeepLearning入门权威教材推荐

模型汇总-14 多任务学习-Multitask Learning概述

模型汇总-12  深度学习中的表示学习_Representation Learning

纯干货11 强化学习（Reinforcement Learning）教材推荐

<深度学习优化策略-4> 基于Gate Mechanism的激活单元GTU、GLU

<模型汇总-6>堆叠自动编码器Stacked_AutoEncoder-SAE

<模型汇总_5>生成对抗网络GAN及其变体SGAN_WGAN_CGAN_DCGAN_InfoGAN_StackGAN

<模型汇总-10> Variational AutoEncoder_变分自动编码器原理解析

模型汇总24 -  深度学习中Attention Mechanism详细介绍：原理、分类及应用

神经机器翻译（NMT）的一些重要资源分享

扫描下方二维码可以订阅哦！

DeepLearning_NLP

深度学习与NLP

       商务合作请联系微信号：lqfarmerlq