CS231n 2016 冬季:第一讲:介绍与历史背景
CS231n Winter 2016: Lecture1: Introduction and Historical Context
频道:Andrej Karpathy · 时长:1:19:08 · 发布:2016-01-05 · 播放:464307
简介
斯坦福大学 CS231n 2016 冬季课程关于用于视觉识别的卷积神经网络的第一讲,介绍课程和计算机视觉的历史背景。
HN 为什么推荐
HN 将其列为免费、出色的深度学习和计算机视觉入门,常出现在机器学习自学计划中。
我会推荐两门来自斯坦福的出色课程 — HN, 2018
机器学习与深度学习 · 计算机视觉、语音与 NLP · 大学讲座与课程
中文字幕节选
旁边还有更多座位,给晚到的同学坐。 先确认一下你们上的是 CS231n 这门面向视觉识别的神经网络深度学习课程 有人走错教室了吗?好,没问题。 好,欢迎各位,新年快乐,寒假第一天快乐 这是这门课第二次开课,选课人数直接翻了一倍 上次开课有一百八十人,这次大约有350位 报名了,先说几句,让我们在法律上都有所保障,我们 会对这门课进行录像,所以,如果你们对此感到不舒服 今天可以坐到镜头后面,或者去一个摄像机拍不到的 角落,但我们会发一些表格让你们填写,关于 是否允许录像,所以这只是一点事务性的通知, 嗯,好,我叫 Faye Faye Lee,是计算机科学系的 教授,这门课我和两位高年级研究生共同授课, 其中一位就在这里,是 Andre Karpathy,Ray,你能跟大家打个招呼吗 嗯,我觉得 Andre 不需要太多介绍,你们很多人 可能知道他的工作,关注他的博客、他的 Twitter,Andre 的粉丝 比我多得多,他非常受欢迎,还有 Justin Johnson,他还在国外旅行,但过几天 就会回来,所以 Andre 和 Justin 将承担大部分 授课工作,今天我会讲第一 讲,但你们可能看得出来,我预计几周内就要 生孩子了,所以以后课堂上你们会更多见到 Andre 和 Justin,我们 还会在这讲结束前介绍整个助教团队,另外 找座位的同学,如果你们从那个门出去再回来, 这边还有很多座位,好,那么这讲 我们会介绍这门课,我们研究的问题类型 以及将要学习的工具,再次欢迎来到 CS 231n,这是一门 视觉课程,基于一种非常特定的建模架构,叫做 神经网络,更具体地说,主要是基于卷积 神经网络,你们很多人可能通过大众媒体 文章或报道听到过这个术语,我们倾向于称之为深度学习网络,视觉是 人工智能中发展最快的领域之一,事实上思科 估计,而我们现在已经是2016年的第四天,我们已经 到了,超过85%的互联网网络空间数据是以像素形式存在的 或者他们所说的多媒体,所以我们基本上已经进入了视觉时代, 图像和视频的时代,为什么这么重要呢,部分原因,很大程度上 是因为互联网作为数据载体以及 传感器的爆炸式增长,如今我们的传感器比地球上的人口还多, 你们每个人身上都带着某种智能手机、数码相机, 而且街上跑的汽车也带着摄像头,所以传感器 确实促成了互联网上视觉数据的爆炸式增长,但 视觉数据或像素数据也是最难驾驭的数据,所以如果你们 听过我之前的演讲,或者其他计算机视觉教授的 演讲,我们称之为互联网的暗物质,为什么是暗物质呢, 就像宇宙由85%的暗物质、暗能量组成,这些 物质和能量非常难以观测,我们可以通过 数学模型在宇宙中推断出来,在互联网上, 这些物质就是像素数据,其他我们不知道的数据,我们 很难理解其中的内容,这里有一个非常非常简单的例子让你们 考虑,如今 YouTube 服务器每60
HN 上的讨论
这是我为自己创建的一种硕士课程,以从头开始获取机器学习知识。首先,你需要强大的数学基础。否则,你可以复制粘贴算法或使用API,但你不会了解内部发生了什么。以下概念非常必要:1)线性代数(MIT [LINK])2)概率(哈佛 [LINK])获取机器学习的基本掌握。对基本概念有良好的直觉:1)吴恩达的Coursera课程([LINK])2)汤姆·米切尔的书([LINK])上述课程和书都非常容易理解。你会对基本概念有很好的了解,但它们缺乏深度。现在你应该转向更深入的书籍和课程。你可以从以下来源获得更深入的机器学习知识:1)Nando的机器学习课程([LINK])2)Bishop的书([LINK])特别是Bishop的书非常深入,涵盖了几乎所有基本概念。现在关于深度学习的最新进展。我会推荐斯坦福的两门精彩课程:1)视觉([VIDEO])2)NLP([LINK])Karparthy的视觉课程可以很… — neel8986, 2018-01
fast.ai 让神经网络再次不酷。fast.ai 致力于让深度学习的威力惠及所有人。[0] Udacity。机器学习入门:模式识别乐趣与利润[1] MIT 6.S099:人工通用智能[2] 印度理工学院卡拉格普尔分校计算机科学与工程系P. Dasgupta教授的人工智能系列讲座[3] DeepMind。大卫·西尔弗的强化学习课程[4] 斯坦福2016年冬季学期课程:CS231n:用于视觉识别的卷积神经网络。[5] [0] [LINK] [1] [LINK] [2] [LINK] [3] [LINK] [4] [LINK] [5] [VIDEO] — igravious, 2018-01
这正是我目前的处境。我每天上下班要坐 1 小时火车,利用这段时间提升 AI 技能。我关注这个领域大约 15 年了,自学过一些早期的机器学习技术(早期的斯坦福机器学习慕课),所以我不是从零开始。我正在做的是:- 跟着 Karpathy 的视频学习,已经有人提到过:[LINK] - 即将跟着 CS 231n 学习,也有人提到过:[VIDEO] - 在 Jupyter notebook 中尝试想法和理论 - 阅读论文。我同意其他评论者的建议,即学习如何实现论文。作为一个勉强获得本科学位的人,论文让我望而生畏。我一半的术语和公式都不认识,虽然公式很短,但看起来很复杂。通常我需要读好几遍才能理解大意,而且我还没有成功独立实现过一篇论文,总是要参考其他资料。但我也知道,技术最终来源于此,任何希望在学术界之外保持与时俱进,都取决于我能否很好地理解论文。我已经这样做了大约一个月,我觉得我确实更理解大多数… — tgittos, 2023-12
不用道歉——我从你的博客中学到了很多,谢谢。我没意识到课程是在线的([VIDEO])。另外,看起来还有一个 subreddit:[LINK] 所有这些都可以免费获得,真是太好了,谢谢。 — kaffeinecoma, 2016-04
相关视频
- 第一讲:概率与计数 | 统计学110 · Harvard University · 46:29
- 第一讲 | 深度学习自然语言处理 · Stanford University School of Engineering · 1:11:41
- 量子阴谋:量子力学普及者不想让你知道的事 · Google TechTalks · 1:03:43
- 债务:第一个 5000 年 | David Graeber | Talks at Google · Talks at Google · 1:21:10
- David Silver 强化学习课程 - 第一讲:强化学习导论 · Google DeepMind · 1:28:12
- 如何演讲 · MIT OpenCourseWare · 1:03:42
- 神经网络和反向传播的详细入门:构建micrograd · Andrej Karpathy · 2:25:52
- 1. 人类行为生物学导论 · Stanford · 57:14
- 领导力实验室:有效写作的艺术 · UChicago Social Sciences · 1:21:51
- 但什么是神经网络?| 深度学习第一章 · 3Blue1Brown · 18:40
- MIT 的聚变能之路(IAP 2017)- Zach Hartwig · MIT Plasma Science and Fusion Center · 1:11:39
- 斯坦福 Sapolsky 谈美国抑郁症(完整讲座) · Stanford · 52:28
- 公正:该如何做是好?第 01 集“谋杀的道德侧面” · Harvard University · 54:56
- 第一讲 | MIT 18.06 线性代数,2005 年春季 · MIT OpenCourseWare · 39:49
- AlphaGo - 电影 | 完整获奖纪录片 · Google DeepMind · 1:30:28
- 兰迪·波许的最后一课:实现你童年的梦想 · Carnegie Mellon University · 1:16:27