CS230 Deep Learning
斯坦福的深度学习课程CS230在4月2日刚刚开课，对应的全套PPT也随之上线。从内容来看，今年的课程与去年的差别不大，涵盖了CNNs, RNNs, LSTM, Adam, Dropout, BatchNorm, Xavier/He initialization 等深度学习的基本模型，涉及医疗、自动驾驶、手语识别、音乐生成和自然语言处理等领域。
根据官网的介绍，课程的导师毫无疑问是我们熟悉的Andrew Ng还有Kian Katanforoosh。
Andrew Ng
Kian Katanforoosh
背景知识
想要毫无基础地啃掉《CS230 Deep Learning》有点困难。这对基础有以下几点要求：
1.具备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
2.熟悉概率论（CS109或者STATS116）
3.熟悉线性代数（Math104，Math113，或者CS205）
课程内容
深度学习基础的各种框架，如CNN、RNN、LSTM，还有很多深度学习的相关内容。
整个课程分为五个部分，共有十次课。
1.神经网络与深度学习
2.改善深层神经网络：超参数调试、正则化以及优化
3.结构化机器学习项目
4.卷积神经网络
5.序列模型
Cheatsheet
无论怎么说，深度学习是一本深奥的课程，绝不是随便看看就能懂的。很多人花费了很多时间，但是对这个课程了解不深。但是该课程的一位助教Shervine Amidi发了一份Cheatsheet，里面介绍了最核心的理论知识：卷积神经网络、递归神经网络，以及学习技巧。有了这份Cheatsheet在手，CS230将更加容易入手。
It's time to learn
秋季CS230视频列表：
https://www.bilibili.com/video/av47055599
春季CS230课程大纲：
http://cs230.stanford.edu/syllabus/
Cheetsheet（斯坦福助教给出）：
https://stanford.edu/~shervine/teaching/cs-230.html
