SemidirectX
Stanford / CS230已收录

Deep Learning

学习神经网络的基础方法，理解深度学习模型的训练与实践。

关于这组笔记

个人自学讲义，参考公开课程材料整理，并加入概念解释与配套实验。

查看原课程资料

适合的起点

建议熟悉 Python、线性代数、微积分与基础概率。

本系列为个人学习整理，非学校官方发布，不代表学校或授课教师的认可或背书。

沿着目录阅读

当前 21 篇

课程讲义

  1. Lecture 01Lecture 1 · 深度学习导论：神经网络是什么，为什么现在起飞 · Introduction to Deep Learning
  2. Lecture 02Lecture 2 · 把逻辑回归看作神经网络：计算图、梯度下降与向量化 · Logistic Regression as a Neural Network
  3. Lecture 03Lecture 3 · 浅层神经网络：隐藏层、激活函数与反向传播 · Shallow Neural Networks
  4. Lecture 04Lecture 4 · 深层神经网络：L 层网络的前向与反向传播 · Deep Neural Networks
  5. Lecture 05Lecture 5 · 深度学习直觉：用案例学会设计输入、输出、数据与损失函数 · Deep Learning Intuition through Case Studies
  6. Lecture 06Lecture 6 · 实践要点 I：数据划分、偏差与方差、正则化 · Setting up your ML Application & Regularization
  7. Lecture 07Lecture 7 · 实践要点 II：输入归一化、梯度消失 / 爆炸、初始化与梯度检验 · Setting up your Optimization Problem
  8. Lecture 08Lecture 8 · 优化算法：mini-batch、动量、RMSprop、Adam 与学习率调度 · Optimization Algorithms
  9. Lecture 09Lecture 9 · 超参数调优、Batch Normalization、Softmax 与深度学习框架 · Hyperparameter Tuning, Batch Normalization, Softmax & Frameworks
  10. Lecture 10Lecture 10 · 机器学习策略：正交化、评估指标、误差分析与数据不匹配 · Machine Learning Strategy
  11. Lecture 11Lecture 11 · 深度学习项目的完整周期：从想法到部署 · Full Cycle of a Deep Learning Project
  12. Lecture 12Lecture 12 · 卷积神经网络基础 · Foundations of Convolutional Neural Networks
  13. Lecture 13Lecture 13 · 深度卷积架构与迁移学习：LeNet → ResNet → MobileNet · Deep Convolutional Models: Case Studies & Transfer Learning
  14. Lecture 14Lecture 14 · 视觉应用：目标检测、语义分割、人脸识别与神经风格迁移 · Detection, Segmentation, Face Recognition & Neural Style Transfer
  15. Lecture 15Lecture 15 · 循环神经网络：语言模型、GRU 与 LSTM · Recurrent Neural Networks
  16. Lecture 16Lecture 16 · 词嵌入、Seq2Seq 与注意力机制 · Word Embeddings, Sequence-to-Sequence Models & Attention
  17. Lecture 17Lecture 17 · Transformer：只用注意力的序列模型 · Transformer Networks
  18. Lecture 18Lecture 18 · 对抗鲁棒性与生成模型：对抗样本、GAN 与扩散模型 · Adversarial Robustness & Generative Models
  19. Lecture 19Lecture 19 · 深度强化学习 · Deep Reinforcement Learning
  20. Lecture 20Lecture 20 · 超越模型：增强 LLM 应用——提示、检索、工具与评估 · Beyond the Model: Enhancing LLM Applications
  21. Lecture 21Lecture 21 · 模型里在发生什么：可解释性；读论文、职业建议与课程总结 · Interpretability, Reading Papers, Careers & Wrap-up

从讲义到代码

按课程目录整理的配套示例，保留各单元的文件结构。阅读讲义时，可以下载整套代码，在本地逐步探索。

下载 CS230 代码

请在独立虚拟环境中查看依赖后运行；未附模型权重和运行产物；示例未逐一验证。

返回全部课程