@(斯坦福李飞飞深度学习上课笔记)
课程介绍内容主要来自于知乎 https://zhuanlan.zhihu.com/p/21930884
CS231n简介CS231n的全称是CS231n: Convolutional Neural Networks for Visual Recognition，即面向视觉识别的卷积神经网络。该课程是斯坦福大学计算机视觉实验室推出的课程。需要注意的是，目前大家说CS231n，大都指的是2016年冬季学期（一月到三月）的最新版本。
课程描述：请允许我们引用课程主页上的官方描述如下。
计算机视觉在社会中已经逐渐普及，并广泛运用于搜索检索、图像理解、手机应用、地图导航、医疗制药、无人机和无人驾驶汽车等领域。而这些应用的核心技术就是图像分类、图像定位和图像探测等视觉识别任务。近期神经网络（也就是“深度学习”）方法上的进展极大地提升了这些代表当前发展水平的视觉识别系统的性能。
本课程将深入讲解深度学习框架的细节问题，聚焦面向视觉识别任务（尤其是图像分类任务）的端到端学习模型。在10周的课程中，学生们将会学习如何实现、训练和调试他们自己的神经网络，并建立起对计算机视觉领域的前沿研究方向的细节理解。最终的作业将包括训练一个有几百万参数的卷积神经网络，并将其应用到最大的图像分类数据库（ImageNet）上。我们将会聚焦于教授如何确定图像识别问题，学习算法（比如反向传播算法），对网络的训练和精细调整（fine-tuning）中的工程实践技巧，指导学生动手完成课程作业和最终的课程项目。本课程的大部分背景知识和素材都来源于ImageNet Challenge竞赛。
课程内容：官方课程安排及资源获取请点击这里，课程视频请在Youtube上查看Andrej Karpathy创建的播放列表，也可私信我们获取云盘视频资源。通过查看官方课程表，我们可以看到：CS231n课程资源主要由授课视频与PPT，授课知识详解笔记和课程作业三部分组成。其中：
授课视频15课。每节课时约1小时左右，每节课一份PPT。
授课知识详解笔记共9份。光看课程视频是不够的，深入理解课程笔记才能比较扎实地学习到知识。
课程作业3次。其中每次作业中又包含多个小作业，完成作业能确保对于课程关键知识的深入理解和实现。
课程项目1个。这个更多是面向斯坦福的学生，组队实现课程项目。
拓展阅读若干。课程推荐的拓展阅读大多是领域内的经典著作节选或论文，推荐想要深入学习的同学阅读。
课程评价：我们觉得赞！很多人都觉得赞！当然也有人觉得不好。具体如何，大家搜搜CS231n在网络，在知乎上的评价不就好了嘛！个人认为：入门深度学习的一门良心课。适合绝大多数想要学习深度学习知识的人。
课程不足：课程后期从RCNN开始就没有课程笔记。
课程学习方法
三句话总结：
看授课视频形成概念，发现个人感兴趣方向。
读课程笔记理解细节，夯实工程实现的基础。
码课程作业实现算法，积累实验技巧与经验。