吳恩達老師對斯坦福CS230深度學習課程資源進行開放了，你們都知道吳恩達老師最出名的是他在coursera的機器學習課程，能夠說讓不少剛開始接觸機器學習（ML）的小白入門該領域。python
吳恩達在開設了機器學習課程以後，最近發佈的DeepLearning.ai的課程也是廣受好評，我沒有看完，看了一兩門課程，做業也跟着去作，獲得的感覺就是吳恩達老師就是那種擅長將知識尋尋漸進的傳授給你的老師。Deeplearning.ai這個課程也很是推薦！web
上次整理了關於吳恩達新書，教你構建機器學習項目：《Machine Learning Yearning》，你們想獲取的能夠直接在公衆號後臺回覆數字「22」查看獲取方式！算法
最近吳恩達在斯坦福又開了一門學分課，這門課涉及到深度學習的基礎知識、神經網絡構建，以及如何完成一個成功的機器學習項目。具體將涉及卷積網絡，RNNs，LSTM，Adam，Dropout，BatchNorm，Xavier / He初始化等，還提供醫療，自動駕駛，手語閱讀，音樂創做和天然語言處理等多領域的案例研究。編程
學習這門課程，不但要去掌握理論，還要了解在工業中的應用，尤爲是擁有在Python和TensorFlow中實踐想法的能力。文末放出了關於這門課的全套PPT和學生project、poster獲取完整版資料在公衆號【飛馬會】後臺回覆數字「27」，便可查看獲取方式，記得按要求快速獲取保存哦！網絡
課程助教架構
預備知識框架
學生應具有如下背景：機器學習
- 具有基本的計算機科學原理和技能，足以編寫合理而非瑣碎的計算機程序
- 熟悉機率論（CS 109或者STATS 116）
- 熟悉線性代數（Math 104，Math 113，或者CS205）
做業提交oop
在這門課程中，學員可以使用Coursera平臺作小測驗和完成編程做業。每一項測驗和編程做業均可以直接從線上提交，而後自動評分。s.課程強烈鼓勵學生組成學習小組。學生能夠分組討論和完成編程做業和測驗。然而，每一個學生必須獨立地寫下解決方案，而不參考聯合討論的筆記。換句話說，每一個學生都必須很好地理解這個解決方案，以便本身從新構建它。此外，每一個學生都應該提交本身的代碼，並說起與他/她合做的任何人。post
1.咱們一塊兒來看看該門課堂包括的內容吧！
CS230 與吳恩達在 Coursera 上的深度學習專項課程同樣分 5 部分，即神經網絡與深度學習、提高深度神經網絡、機器學習項目的策略、卷積神經網絡及序列模型。
2.第一門課
在第一課中介紹了神經網絡和深度學習的基礎。主要在課堂內介紹了深度學習的直觀概念，並藉助兩個模塊從頭開始學習神經網絡究竟是什麼。
3.第二門課
第二課介紹深度學習模型的內部數學結構，從淺層網絡逐步過渡到深度網絡，理解「深度」的重要意義。掌握了這些概念以後，對於如何從零開始構建深度學習網絡，能有一個基本的思路。
而後是深度模型的優化或調參技巧，例如初始化、正則化、數據集劃分、Dropout、歸一化、梯度檢查等，和各類經典的學習率衰減方法，如動量算法、Adam 等。
4.第三門課
第三課介紹結構化機器學習項目。基礎部分涉及超參數調整、批規一化方法等，以及深度學習框架（如 TensorFlow、PyTorch）的應用。而後是機器學習策略，包括垂直化調參、評估指標設置、數據集劃分等。
這一課會介紹如何在實際案例中應用深度學習，Pranav Rajpurkar 將教你構建醫療領域的深度學習應用，即吳恩達團隊開發的 Chest X-Rays 項目。
5.第四門課
第四課介紹卷積神經網絡，卷積神經網絡主要用於處理空間型數據，如圖像、視頻等，所以在計算機視覺中應用甚廣。在這一部分課程期間有一個期中測驗，能夠幫助你重溫以前學習過的內容。
CNN 的基礎部分涉及卷積運算、步幅、池化等，而後進一步介紹了幾個經典的 CNN 架構，如 LeNet-五、AlexNet、VGG、ResNet、Inception 等。以後給出了幾個 CNN 開發過程當中的建議，涉及遷移學習、數據加強等。最後介紹了 CNN 領域的當前研究現狀。
6.第五門課
第五課介紹序列模型。序列模型主要用於處理序列型數據，如音樂、語音、文本等。序列模型主要以循環神經網絡爲表明，本課將介紹 RNN 的基礎結構、類型、計算過程等，並以語言建模做爲典型案例進行分析。以後是一些著名的 RNN 變體，例如 GRU、LSTM、雙向 RNN、深度 RNN 等。
7.課程連接
資料下載
這門課的全套PPT和學生project、poster都已經上線啦！並且已經幫你們下載好了，在公衆號【飛馬會】後臺對話框內回覆數字「27」按要求添加小助手後獲取全套資料哦（整理不易，一塊兒分享，共同成長）
資料領取方式
關注公衆帳號【飛馬會】
導航回覆數字【27】
便可查看下載方式
▼
往期福利關注飛馬會公衆號，回覆對應關鍵詞打包下載學習資料；回覆「入羣」，加入飛馬網AI、大數據、項目經理學習羣，和優秀的人一塊兒成長！
微軟大咖系列課
（掃碼試聽或訂閱）
m.qlchat.com/live/channe… (二維碼自動識別)
回覆 數字「1」下載從入門到研究，人工智能領域最值得一讀的10本資料（附下載）
回覆 數字「2」機器學習 & 數據科學必讀的經典書籍，內附資料包！
回覆 數字「3」走進AI & ML：從基本的統計學到機器學習書單（附PDF下載）
回覆 數字「4」瞭解人工智能，30份書單不容錯過（附電子版PDF下載）
回覆 數字「6」AI人工智能：54份行業重磅報告彙總（附下載）
回覆 數字「7」TensorFlow介紹、安裝教程、圖像識別應用（附安裝包/指南）
回覆 數字「11」50本書籍大禮包：AI人工智能/大數據/Database/Linear Algebra/Python/機器學習/Hadoop
回覆 數字「12」小白| Python+Matlab+機器學習+深度神經網絡+理論+實踐+視頻+課件+源碼，附下載！
回覆 數字「14」小白| 機器學習和深度學習必讀書籍+機器學習實戰視頻/PPT+大數據分析書籍推薦！
回覆 數字「16」100G Python從入門到精通！自學必備全套視頻教程+python經典書籍！
回覆 數字「17」【乾貨】31篇關於深度學習必讀論文彙總(附論文下載地址)
回覆 數字「18」526份行業報告+白皮書：AI人工智能、機器人、智能出行、智能家居、物聯網、VR/AR、 區塊鏈等（附下載）
回覆 數字「19」800G人工智能學習資料:AI電子書+Python語言入門+教程+機器學習等限時免費領取！
回覆 數字「20」17張思惟導圖，一網打盡機器學習統計基礎（附下載）
回覆 數字「22」吳恩達新書，教你構建機器學習項目：《Machine Learning Yearning》
回覆 數字「23」機器學習：怎樣才能作到從入門到不放棄？（內含福利）
回覆 數字「24」限時下載 | 132G編程資料：Python、JAVA、C，C++、機器人編程、PLC，入門到精通~
回覆 數字「25」限資源 | 177G Python/機器學習/深度學習/算法/TensorFlow等視頻，涵蓋入門/中級/項目各階段！
回覆 數字「26」人工智能入門書單推薦，學習AI的請收藏好（附PDF下載）
回覆 人工智能下載《FMI人工智能與大數據峯會嘉賓演講PPT》
回覆 AI 江湖下載《十大AI江湖領域》
回覆 ML實踐下載《機器學習實踐經驗指導（英文版）》
回覆 DL論文下載《深度學習100篇以上論文資料》
回覆 算法 下載《數據挖掘十大經典算法》
回覆 6.10 下載《6.10餓了麼&飛馬網項目管理實踐PPT》