@(斯坦福李飛飛深度學習上課筆記)
課程介紹
內容主要來自於知乎 https://zhuanlan.zhihu.com/p/21930884
CS231n簡介CS231n的全稱是CS231n: Convolutional Neural Networks for Visual Recognition，即面向視覺識別的卷積神經網絡。該課程是斯坦福大學計算機視覺實驗室推出的課程。需要注意的是，目前大家說CS231n，大都指的是2016年冬季學期（一月到三月）的最新版本。
課程描述：請允許我們引用課程主頁上的官方描述如下。
計算機視覺在社會中已經逐漸普及，並廣泛運用於搜索檢索、圖像理解、手機應用、地圖導航、醫療製藥、無人機和無人駕駛汽車等領域。而這些應用的核心技術就是圖像分類、圖像定位和圖像探測等視覺識別任務。近期神經網絡（也就是“深度學習”）方法上的進展極大地提升了這些代表當前發展水平的視覺識別系統的性能。
本課程將深入講解深度學習框架的細節問題，聚焦面向視覺識別任務（尤其是圖像分類任務）的端到端學習模型。在10周的課程中，學生們將會學習如何實現、訓練和調試他們自己的神經網絡，並建立起對計算機視覺領域的前沿研究方向的細節理解。最終的作業將包括訓練一個有幾百萬參數的卷積神經網絡，並將其應用到最大的圖像分類數據庫（ImageNet）上。我們將會聚焦於教授如何確定圖像識別問題，學習算法（比如反向傳播算法），對網絡的訓練和精細調整（fine-tuning）中的工程實踐技巧，指導學生動手完成課程作業和最終的課程項目。本課程的大部分背景知識和素材都來源於ImageNet Challenge競賽。
課程內容：官方課程安排及資源獲取請點擊這裏，課程視頻請在Youtube上查看Andrej Karpathy創建的播放列表，也可私信我們獲取雲盤視頻資源。通過查看官方課程表，我們可以看到：CS231n課程資源主要由授課視頻與PPT，授課知識詳解筆記和課程作業三部分組成。其中：
授課視頻15課。每節課時約1小時左右，每節課一份PPT。
授課知識詳解筆記共9份。光看課程視頻是不夠的，深入理解課程筆記才能比較紮實地學習到知識。
課程作業3次。其中每次作業中又包含多個小作業，完成作業能確保對於課程關鍵知識的深入理解和實現。
課程項目1個。這個更多是面向斯坦福的學生，組隊實現課程項目。
拓展閱讀若干。課程推薦的拓展閱讀大多是領域內的經典著作節選或論文，推薦想要深入學習的同學閱讀。
課程評價：我們覺得贊！很多人都覺得贊！當然也有人覺得不好。具體如何，大家搜搜CS231n在網絡，在知乎上的評價不就好了嘛！個人認爲：入門深度學習的一門良心課。適合絕大多數想要學習深度學習知識的人。
課程不足：課程後期從RCNN開始就沒有課程筆記。
課程學習方法
三句話總結：
看授課視頻形成概念，發現個人感興趣方向。
讀課程筆記理解細節，夯實工程實現的基礎。
碼課程作業實現算法，積累實驗技巧與經驗。