1
雷鋒網(wǎng)：CS231n 2017雙語字幕版獨(dú)家上線！今天正式開課！
哈哈哈，距離斯坦福計(jì)算機(jī)視覺課程結(jié)束5個(gè)月，2017春季CS231n中文版終于上線了，課程中文版已經(jīng)在AI慕課學(xué)院（mooc.ai ）發(fā)布（ free free free ），11月10日正式開課，預(yù)計(jì)持續(xù)12周！
無法科學(xué)上網(wǎng)看到原視頻的同學(xué)，現(xiàn)在可以在國內(nèi)看到完整流暢的中文版視頻了。雷鋒網(wǎng)中文版課程鏈接：http://www.mooc.ai/course/268
lecture1 計(jì)算機(jī)視覺概述視頻截圖
lecture1 計(jì)算機(jī)視覺概述視頻截圖
lecture1 李飛飛介紹計(jì)算機(jī)視覺歷史背景視頻截圖
為了方便大家交流，AI研習(xí)社專門開辟了社區(qū)供大家交流。在社區(qū)中，目前支持大家提問/回答，以及發(fā)布文章，可以插入圖片、視頻、超鏈接、代碼塊、公式編輯器，歡迎大家在社區(qū)中進(jìn)行更多形式的交流~
社區(qū)地址：http://www.mooc.ai/bbs
請大家在學(xué)習(xí)過程中多做學(xué)習(xí)筆記，不僅僅是記錄課堂知識，更是結(jié)合自己的思考和理解，這樣可以理解更加透徹，更利于知識內(nèi)化。歡迎大家把學(xué)習(xí)筆記發(fā)布在mooc.ai/bbs 的博客區(qū)！寫得好的博客，會(huì)發(fā)布在我們的公眾號哦！
我們先來介紹一下，CS231n
CS231n的全稱是CS231n: Convolutional Neural Networks for Visual Recognition，即面向視覺識別的卷積神經(jīng)網(wǎng)絡(luò)。
該課程是斯坦福大學(xué)計(jì)算機(jī)視覺實(shí)驗(yàn)室推出的課程。需要注意的是，我們這次翻譯的是2017春季（4月至6月）的最新版本。
任課導(dǎo)師
導(dǎo)師和去年一樣，還是由李飛飛教授和他的兩個(gè)博士生Justin Johnson和Serena Yeung領(lǐng)銜教授。
課程描述
引用課程主頁上的官方課程描述如下：
計(jì)算機(jī)視覺已經(jīng)在我們的社會(huì)中無處不在，并廣泛運(yùn)用在搜索、圖像理解、應(yīng)用程序、測繪、醫(yī)藥、無人機(jī)和自動(dòng)駕駛汽車等領(lǐng)域。這些應(yīng)用程序的核心技術(shù)是視覺識別任務(wù)，如圖像分類、圖像定位和圖像檢測。近期，神經(jīng)網(wǎng)絡(luò)（又名“深度學(xué)習(xí)”）方法上的進(jìn)展極大地提高了這些代表最先進(jìn)水平的視覺識別系統(tǒng)性能。
本課程深入探討深度學(xué)習(xí)架構(gòu)的細(xì)節(jié)問題，重點(diǎn)學(xué)習(xí)視覺識別任務(wù)（尤其是圖像分類任務(wù)）的端到端學(xué)習(xí)模型。在為期10周的課程中，學(xué)生將學(xué)習(xí)如何實(shí)現(xiàn)、訓(xùn)練和調(diào)試自己的神經(jīng)網(wǎng)絡(luò)，并建立起對計(jì)算機(jī)視覺領(lǐng)域前沿研究方向的詳細(xì)理解。最后的任務(wù)將涉及訓(xùn)練一個(gè)有數(shù)百萬參數(shù)卷積神經(jīng)網(wǎng)絡(luò)，并將其應(yīng)用于最大的圖像分類數(shù)據(jù)庫（ImageNet）上。
我們將著重教授如何設(shè)置圖像識別問題，學(xué)習(xí)算法（例如反向傳播），用于訓(xùn)練和微調(diào)（fine-tuning）網(wǎng)絡(luò)的工程實(shí)踐技巧，引導(dǎo)學(xué)生完成實(shí)踐作業(yè)和最終課程項(xiàng)目。本課程的大部分背景知識和素材都來源于ImageNet Challenge競賽。
課程內(nèi)容
2017 春季CS231n包括 PPT 和視頻在內(nèi)的所有教學(xué)資料都已開放。雷鋒字幕組將為大家提供相應(yīng)的資源和中文視頻。
通過查看官方課程表，我們可以看到CS231n課程資源主要由授課視頻與PPT，客座講座，授課知識詳解筆記，課程作業(yè)，課程項(xiàng)目五部分組成。其中：
授課視頻14課。每節(jié)課時(shí)約1小時(shí)左右，每節(jié)課一份PPT。
客座講座2課。每節(jié)講座約1小時(shí)30分左右。
授課知識詳解筆記共16份。
課程作業(yè)3次。
課程項(xiàng)目1個(gè)。
拓展閱讀若干。
課程大綱
第一講：課程簡介
計(jì)算機(jī)視覺概述
歷史回顧
課程邏輯順序
第二講：圖像分類
數(shù)據(jù)驅(qū)動(dòng)方法
K最近鄰算法
線性分類I
第三講：損失函數(shù)和優(yōu)化
線性分類II
進(jìn)階模型表示與圖像特征
優(yōu)化，隨機(jī)梯度下降
第四講：介紹神經(jīng)網(wǎng)絡(luò)
反向傳播算法
多層感知器
神經(jīng)學(xué)觀點(diǎn)
第五講：卷積神經(jīng)網(wǎng)絡(luò)
歷史
卷積和池化
視覺之外的卷積神經(jīng)網(wǎng)絡(luò)
第六講：訓(xùn)練神經(jīng)網(wǎng)絡(luò)，第一部分
激活函數(shù)，初始化，信號丟失，小批量正則化
第七講：訓(xùn)練神經(jīng)網(wǎng)絡(luò)，第二部分
更新原則，集成，數(shù)據(jù)增強(qiáng)，遷移學(xué)習(xí)
第八講：深度學(xué)習(xí)軟件
Caffe, Torch, Theano, TensorFlow, Keras, PyTorch等等
第九講：卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)
AlexNet, VGG, GoogLeNet, ResNet 等等
第十講：遞歸神經(jīng)網(wǎng)絡(luò)
RNN,LSTM,GRU
自然語言模型
圖像字幕，視覺問題回答，軟性關(guān)注
第十一講：檢測與分割
語義分割
目標(biāo)檢測
實(shí)例分割
第十二講：可視化和理解
表征可視化
對抗實(shí)例
DeepDream和風(fēng)格遷移
第十三講：生成模型
Pixel RNN/CNN
自編碼器
生成對抗網(wǎng)絡(luò)
第十四講：深度增強(qiáng)學(xué)習(xí)
方法梯度，硬性關(guān)注
Q-學(xué)習(xí)，評價(jià)器
第十五講：Song Han、Ian Goodfellow 教授客座講授
第十六講：學(xué)生討論，推導(dǎo)
翻譯團(tuán)隊(duì)
終于等到課程上線了！為了讓新版CS231n以最快的速度呈現(xiàn)在大家面前，譯者們犧牲了很多時(shí)間來翻譯、校對、潤色、審核，目前@雷鋒字幕組 已經(jīng)組建了專門的CS231n翻譯小分隊(duì)，大部分譯者有計(jì)算機(jī)專業(yè)背景及從業(yè)經(jīng)歷，關(guān)于翻譯質(zhì)量，譯者不過多自評，還請同學(xué)們來甄別~判斷~指正
課程評價(jià)
我們都覺得超級棒！CS231n是非常好的入門材料，也是計(jì)算機(jī)視覺和深度學(xué)習(xí)領(lǐng)域最經(jīng)典的課程之一，這門課適合絕大多數(shù)想要學(xué)習(xí)深度學(xué)習(xí)知識的人。希望這次翻譯能夠幫助到，不喜歡看英文生肉視頻的你們！下面是雷鋒字幕組譯者們對該課程的走心評價(jià)：
@李石羽：CS231n這門課我以前斷斷續(xù)續(xù)看過一些，覺得講的還是很好的，尤其是在入門和進(jìn)階階段。我本身專業(yè)也相關(guān)，所以做翻譯的時(shí)候也是盡量去理解老師要講什么再去翻，爭取能方便大家理解。
@Jackie：CS231N這門課是入門神經(jīng)網(wǎng)絡(luò)很好的課程,內(nèi)容簡單易懂,特別適合沒有基礎(chǔ)的同學(xué).課程比較系統(tǒng)的簡紹了神經(jīng)網(wǎng)絡(luò)的常用方法,尤其是重要概念的介紹比較詳細(xì)生動(dòng),例如梯度下降法,BP法等。
@姜波：從課程內(nèi)容上來說，由淺到深蠻不錯(cuò)的，尤其是計(jì)算機(jī)視覺與深度學(xué)習(xí)結(jié)合的點(diǎn)非常好。
@熊浪濤：這門課大家都知道啊，講的很全面，尤其是DL在CV方向上。翻譯也是進(jìn)一步學(xué)習(xí)課程的很好的方法，還有就是也能幫助大家，可以放2倍速看視頻了。翻譯也是一件很有意思的事情，對中文和英文學(xué)習(xí)都有幫助。單就這門課程來說，搞這個(gè)的算是家喻戶曉吧。我是看完Deep Learning那本書，然后再來看這個(gè)視頻，看看別人怎么思考這些問題的。
@王青松：我已經(jīng)看過16年的這門課，17年的說實(shí)話，還沒有完整看過，這門課很好，可以了解很多當(dāng)下前沿內(nèi)容，工業(yè)應(yīng)用，從中可以發(fā)現(xiàn)一些我可以去結(jié)合的地方。
@程煒：因?yàn)閷ｉT針對視覺識別，在這方面可以比較深入，針對性較強(qiáng)。而且有對課程作業(yè)的講解，有學(xué)有練。課程更新快。適合想要深度學(xué)習(xí)入門的童鞋。
@安妍：覺得課程還是非常好的，而且對一些硬性的基礎(chǔ)要求并不是非常高，而且能更近距離接觸到全球的AI領(lǐng)域大牛的前輩，能夠聽取到他們的言論，是工作和職業(yè)所不能帶給我的。
now，強(qiáng)勢安利一波，目前雷鋒網(wǎng)：雷鋒字幕組還有許多優(yōu)秀AI課程仍在翻譯中，希望和我們一起翻譯學(xué)習(xí)進(jìn)步，歡迎微信聯(lián)系 julylihuaijiang，加入我們。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
