吴恩达老师对斯坦福CS230深度学习课程资源进行开放了，你们都知道吴恩达老师最出名的是他在coursera的机器学习课程，能够说让不少刚开始接触机器学习（ML）的小白入门该领域。python
吴恩达在开设了机器学习课程以后，最近发布的DeepLearning.ai的课程也是广受好评，我没有看完，看了一两门课程，做业也跟着去作，获得的感觉就是吴恩达老师就是那种擅长将知识寻寻渐进的传授给你的老师。Deeplearning.ai这个课程也很是推荐！web
上次整理了关于吴恩达新书，教你构建机器学习项目：《Machine Learning Yearning》，你们想获取的能够直接在公众号后台回复数字“22”查看获取方式！算法
最近吴恩达在斯坦福又开了一门学分课，这门课涉及到深度学习的基础知识、神经网络构建，以及如何完成一个成功的机器学习项目。具体将涉及卷积网络，RNNs，LSTM，Adam，Dropout，BatchNorm，Xavier / He初始化等，还提供医疗，自动驾驶，手语阅读，音乐创做和天然语言处理等多领域的案例研究。编程
学习这门课程，不但要去掌握理论，还要了解在工业中的应用，尤为是拥有在Python和TensorFlow中实践想法的能力。文末放出了关于这门课的全套PPT和学生project、poster获取完整版资料在公众号【飞马会】后台回复数字“27”，便可查看获取方式，记得按要求快速获取保存哦！网络
课程助教架构
预备知识框架
学生应具有如下背景：机器学习
- 具有基本的计算机科学原理和技能，足以编写合理而非琐碎的计算机程序
- 熟悉几率论（CS 109或者STATS 116）
- 熟悉线性代数（Math 104，Math 113，或者CS205）
做业提交oop
在这门课程中，学员可以使用Coursera平台作小测验和完成编程做业。每一项测验和编程做业均可以直接从线上提交，而后自动评分。s.课程强烈鼓励学生组成学习小组。学生能够分组讨论和完成编程做业和测验。然而，每一个学生必须独立地写下解决方案，而不参考联合讨论的笔记。换句话说，每一个学生都必须很好地理解这个解决方案，以便本身从新构建它。此外，每一个学生都应该提交本身的代码，并说起与他/她合做的任何人。post
1.咱们一块儿来看看该门课堂包括的内容吧！
CS230 与吴恩达在 Coursera 上的深度学习专项课程同样分 5 部分，即神经网络与深度学习、提高深度神经网络、机器学习项目的策略、卷积神经网络及序列模型。
2.第一门课
在第一课中介绍了神经网络和深度学习的基础。主要在课堂内介绍了深度学习的直观概念，并借助两个模块从头开始学习神经网络究竟是什么。
3.第二门课
第二课介绍深度学习模型的内部数学结构，从浅层网络逐步过渡到深度网络，理解「深度」的重要意义。掌握了这些概念以后，对于如何从零开始构建深度学习网络，能有一个基本的思路。
而后是深度模型的优化或调参技巧，例如初始化、正则化、数据集划分、Dropout、归一化、梯度检查等，和各类经典的学习率衰减方法，如动量算法、Adam 等。
4.第三门课
第三课介绍结构化机器学习项目。基础部分涉及超参数调整、批规一化方法等，以及深度学习框架（如 TensorFlow、PyTorch）的应用。而后是机器学习策略，包括垂直化调参、评估指标设置、数据集划分等。
这一课会介绍如何在实际案例中应用深度学习，Pranav Rajpurkar 将教你构建医疗领域的深度学习应用，即吴恩达团队开发的 Chest X-Rays 项目。
5.第四门课
第四课介绍卷积神经网络，卷积神经网络主要用于处理空间型数据，如图像、视频等，所以在计算机视觉中应用甚广。在这一部分课程期间有一个期中测验，能够帮助你重温以前学习过的内容。
CNN 的基础部分涉及卷积运算、步幅、池化等，而后进一步介绍了几个经典的 CNN 架构，如 LeNet-五、AlexNet、VGG、ResNet、Inception 等。以后给出了几个 CNN 开发过程当中的建议，涉及迁移学习、数据加强等。最后介绍了 CNN 领域的当前研究现状。
6.第五门课
第五课介绍序列模型。序列模型主要用于处理序列型数据，如音乐、语音、文本等。序列模型主要以循环神经网络为表明，本课将介绍 RNN 的基础结构、类型、计算过程等，并以语言建模做为典型案例进行分析。以后是一些著名的 RNN 变体，例如 GRU、LSTM、双向 RNN、深度 RNN 等。
7.课程连接
资料下载
这门课的全套PPT和学生project、poster都已经上线啦！并且已经帮你们下载好了，在公众号【飞马会】后台对话框内回复数字“27”按要求添加小助手后获取全套资料哦（整理不易，一块儿分享，共同成长）
资料领取方式
关注公众帐号【飞马会】
导航回复数字【27】
便可查看下载方式
▼
往期福利关注飞马会公众号，回复对应关键词打包下载学习资料；回复“入群”，加入飞马网AI、大数据、项目经理学习群，和优秀的人一块儿成长！
微软大咖系列课
（扫码试听或订阅）
m.qlchat.com/live/channe… (二维码自动识别)
回复 数字“1”下载从入门到研究，人工智能领域最值得一读的10本资料（附下载）
回复 数字“2”机器学习 & 数据科学必读的经典书籍，内附资料包！
回复 数字“3”走进AI & ML：从基本的统计学到机器学习书单（附PDF下载）
回复 数字“4”了解人工智能，30份书单不容错过（附电子版PDF下载）
回复 数字“6”AI人工智能：54份行业重磅报告汇总（附下载）
回复 数字“7”TensorFlow介绍、安装教程、图像识别应用（附安装包/指南）
回复 数字“11”50本书籍大礼包：AI人工智能/大数据/Database/Linear Algebra/Python/机器学习/Hadoop
回复 数字“12”小白| Python+Matlab+机器学习+深度神经网络+理论+实践+视频+课件+源码，附下载！
回复 数字“14”小白| 机器学习和深度学习必读书籍+机器学习实战视频/PPT+大数据分析书籍推荐！
回复 数字“16”100G Python从入门到精通！自学必备全套视频教程+python经典书籍！
回复 数字“17”【干货】31篇关于深度学习必读论文汇总(附论文下载地址)
回复 数字“18”526份行业报告+白皮书：AI人工智能、机器人、智能出行、智能家居、物联网、VR/AR、 区块链等（附下载）
回复 数字“19”800G人工智能学习资料:AI电子书+Python语言入门+教程+机器学习等限时免费领取！
回复 数字“20”17张思惟导图，一网打尽机器学习统计基础（附下载）
回复 数字“22”吴恩达新书，教你构建机器学习项目：《Machine Learning Yearning》
回复 数字“23”机器学习：怎样才能作到从入门到不放弃？（内含福利）
回复 数字“24”限时下载 | 132G编程资料：Python、JAVA、C，C++、机器人编程、PLC，入门到精通~
回复 数字“25”限资源 | 177G Python/机器学习/深度学习/算法/TensorFlow等视频，涵盖入门/中级/项目各阶段！
回复 数字“26”人工智能入门书单推荐，学习AI的请收藏好（附PDF下载）
回复 人工智能下载《FMI人工智能与大数据峰会嘉宾演讲PPT》
回复 AI 江湖下载《十大AI江湖领域》
回复 ML实践下载《机器学习实践经验指导（英文版）》
回复 DL论文下载《深度学习100篇以上论文资料》
回复 算法 下载《数据挖掘十大经典算法》
回复 6.10 下载《6.10饿了么&飞马网项目管理实践PPT》