Hinton，吴恩达，李飞飞 ！大师深度学习课程集锦
点击中国图象图形学报→主页右上角菜单栏→设为星标
人工智能将会改变世界？不！人工智能正在改变世界。从20世纪50年代起，人工智能的发展经历了逻辑推理、专家系统、机器学习三个阶段。
深度学习是机器学习的一个重要分支，是这一轮人工智能热潮的核心驱动力量。可以说，深度学习正在、或将要改变科学和人类努力的每一个领域。任何专业的学生，都应该掌握一些相关的知识。
图图为大家收集整理了深度学习领域的“大牛课程”，拉到文末关注小编，可获得“神经网络之父”Geoffrey Hinton，以及斯坦福大学教授李飞飞的课程PPT哦~
“神经网络之父”
Geoffrey Hinton
《机器学习中的神经网络》
图片来自网络
图片来自网络
特点：“deep learning必修课”，“宗派大师+开拓者直接讲课，秒杀一切二流子”。虽然时间较早，但仍经典，适合有一定基础的同学。
课程地址：
课程资料可在作者主页查看（英文）：
https://www.cs.toronto.edu/~hinton/
B站地址（野生中文字幕）：
课程简介：2012年的课程，详细介绍了神经网络的各种概念与特点，基本涵盖了神经网络相关的各个知识点。课程中有些算法已经过时，但仍不失为一份很有意义的讲解，对于算法研究者来说，重温经典有助于加深对这一领域的理解。
主要教授人工神经网络以及它们如何应用于机器学习，比方说语音、物体识别，图像分割（image segmentation），建模语言、人体运动等。强调基础算法，以及对它们成功应用所需的实用技巧。它要求微积分、Python 基础，涉及许多专有名词，对初学者难度较大，需自己查找相关资料。
吴恩达 Andrew Ng
课程系列
图片来自网络
《AI For Everyone(全民AI)》
图片来自网络
特点：面向大众进行AI科普，帮助学习者了解深度学习等相关技术。
课程地址（英语加中文字幕）：
https://www.coursera.org/learn/ai-for-everyone?
课程简介：这门非技术性课程将帮助各类学习者了解机器学习和深度学习等相关技术，以及将AI应用于自己组织中的问题和机会。通过这门课程，学习者将会了解当前人工智能可以或者不能做的事情。最后，学习者将了解AI如何影响社会以及我们将如何应对这种技术变革。
《 Machine Learning(机器学习)》
图片来自网络
特点：对数学、统计、IT 基础薄弱的同学十分友好。强烈推荐小白从这门课起步，然后选择其他入门课程进阶，以在脑海中建立起更全面的知识体系。
课程地址（英语加中文字幕）：
https://www.coursera.org/learn/machine-learning?
课程简介：无论国内国外，这是最火的机器学习入门课程，没有之一。无数新手都是通过这门课对机器学习初窥门径。吴恩达老师用极其清楚直白的语言，对机器学习的几种主要算法做了初步介绍。全世界有数百万人通过这门课程入门机器学习。课程对学习者的背景要求不高，它还十分重视联系实际和经验总结。在Coursera上这门课的论坛十分活跃，不管抛出什么问题都会有人解答。
3
《 Deep Learning Specialization
（深度学习专项课程）》
图片来自网络
特点：可以做题，有证书，最重要的是它的编程作业，是理解课程内容的关键点，仅仅看视频绝对是达不到这个效果的。
课程地址（英语加中文字幕）：
https://www.coursera.org/specializations/deep-learning?
课程简介：作为Coursera联合创始和机器学习网红课程“Machine Learning”的授课者，吴恩达老师引领数百万同学进入了机器学习领域，而这门深度学习课程的口号也透露了他的目标——Master Deep Learning, and Break into AI.
4
《 斯坦福大学公开课：机器学习 》
图片来自网络
特点：来自斯坦福大学课堂录制，Andrew Ng老师亲授，难度相对大一些。
课程地址（英语加中文字幕）：
https://b23.tv/av48982739/p1课程简介：人工智能的发展到已经进入了一个瓶颈期，真正意义上人工智能的实现目前还没有任何曙光。但是，机器学习无疑是最有希望实现这个目标的方向之一。斯坦福大学的“Stanford Engineering Everywhere ”免费提供学校里最受欢迎的工科课程，给全世界的学生和教育工作者。得益于这个项目，我们有机会和全世界站在同一个数量级的知识起跑线上。
李飞飞
《视觉识别中的卷积神经网络（cs231n）》
图片来自网络
图片来自网络
特点：深入探讨深度学习架构的细节问题，重点学习视觉识别任务（尤其是图像分类任务）的端到端学习模型。
课程地址：
B站地址：
相关资料地址：
http://cs231n.stanford.edu/2017/syllabus.html
课程简介：CS231n的全称是CS231n: Convolutional Neural Networks for Visual Recognition，即面向视觉识别的卷积神经网络。该课程是斯坦福大学计算机视觉实验室推出的课程。
学生将学习如何实现、训练和调试自己的神经网络，并建立起对计算机视觉领域前沿研究方向的详细理解。最后的任务将涉及训练一个有数百万参数卷积神经网络，并将其应用于最大的图像分类数据库（ImageNet）上。着重教授如何设置图像识别问题，学习算法（例如反向传播），用于训练和微调（fine-tuning）网络的工程实践技巧，引导学生完成实践作业和最终课程项目。本课程的大部分背景知识和素材都来源于ImageNet Challenge竞赛。
申明：本文发布的网站内容均不代表本号观点，本号旨在提供参考素材以便学习交流。
图片来自网络
“老师，我们很好，放心，
我觉得我这个研究生没有白读！”
——来自于中国科学院大学支援黄冈
开展新冠肺炎病原学检测的研究生
他们满怀炽热的战斗激情
秉持科技报国的理想信念
召之即来、来之能战
战，必胜！
图片来自网络
宅家的我们还有什么理由偷懒呢
不要等待，动起来吧
整理思路，静心写作
扎实理论，提高技能
让科技为国所用，为民造福
我们时刻准备着！
如果您有居家学习的经验要分享，有故事想倾诉，有写作问题想寻求解答，欢迎添加下方学报小编微信
编辑推荐
本文系《中国图象图形学报》独家稿件
内容仅供学习交流
版权属于原作者
欢迎大家关注转发！
编辑：狄 狄
指导：梧桐君
审校：夏薇薇
总编辑：肖 亮
声 明
欢迎转发本号原创内容，任何形式的媒体或机构未经授权，不得转载和摘编。授权请在后台留言“机构名称+文章标题+转载/转发”联系本号。转载需标注原作者和信息来源为《中国图象图形学报》。本号转载信息旨在传播交流，内容为作者观点，不代表本号立场。未经允许，请勿二次转载。如涉及文字、图片等内容、版权和其他问题，请于文章发出20日内联系本号，我们将第一时间处理。《中国图象图形学报》拥有最终解释权。
与你同在
前沿 | 观点 | 资讯 | 独家
电话：010-58887030/7035/7418
网站：www.cjig.cn