（给
机器学习算法与Python学习加星标，提升AI技能）
本文转自AI新媒体量子位（公众号 ID: QbitAI）
斯坦福最经典的计算机视觉课程CS231n——全称是面向视觉识别的卷积神经网络。
今天更新啦。
作为计算机视觉和深度学习领域的经典课程，CS231n由李飞飞团队打造，从课程设计到内容选择，都以入门为导向。然而，自从2017年后，这门课程的录制版就没再更新过，在李飞飞的社交媒体下面，不时能听见网友吐槽的声音：
我们很喜欢您的课程，但这个领域发展得非常快，为什么2017年后的视频课就不再上传了？
现在，这门课程的录制视频终于更新了，想要入门计算机视觉的小伙伴，可以收藏学习~（文末附视频链接）
那么，CS231n课程都讲了些什么？
22节课，入门计算机视觉
CS231n是斯坦福开设的一门视觉识别课程，在了解计算机视觉的基础上，理解深度学习在这个行业的应用。
作为一门研究机器人如何「看」的领域，计算机视觉的应用范围非常广泛，像自动驾驶汽车识别行人、图像搜索引擎自动分类等等。
而深度学习的出现，极大地提高了计算机视觉的应用效果。
这门课从理论到实践一键通，学习后，不仅能实现、训练和调试神经网络，还能掌握计算机视觉的前沿研究。
课程的重点在于解决图像识别的问题，为了达成这个目标，将会讲授反向传播算法、训练和微调神经网络的实用技巧。
这次更新的录制课，在内容和形式上都紧跟AI领域新潮流。
从模式到内容紧跟潮流
从2017年的录制课视频来看，一共只有16讲的内容。
这次「升级版」的22讲内容，不仅细化了目前比较热门的生成模型（如GAN）的介绍课程，将它从一课时变成了两课时，而且还更新了Transformers、3D、视频处理等近年兴起的行业热门。
例如，在17课的3D视觉课程中，就介绍了将神经网络应用于3D结构的方法。
在这门课程里，不仅有关于3D数据的不同表示形式的讨论，还有对深度图、隐函数、点云等理论知识的介绍。
除此之外，对于3D形状这个新领域，神经网络好坏的度量标准也有所体现。
△ 3D视觉课程PPT
至于第18课的视频处理，课时则主要介绍了CNN在视频分类中的应用方法，以及视频识别中的通用技术等。
△ 视频处理课程PPT
不仅如此，这次的录制视频也更贴合在线课程的形式。
2017年的录制版CS231n课程，只有PPT界面显示、或是偶尔出现教授讲课的界面：
虽然也有PPT和音频同步，但如果想找某个想看的部分，就只能在滚动条上反复拖拉。
更新后的视频课，具体画风是这样的：
不仅更有现场代入感了，而且在导师讲课时，也能通过他的手势跟上知识点所在的位置。
每一节课、每一页的PPT都会呈现在视频下方，具体对某个知识点感兴趣、或是想要听哪一节的PPT，都可以直接点击视频观看。
是不是已经有些跃跃欲试、准备好投身知识的海洋了？
来看看下面的课程表吧。
课程一览
CS231n更新后的课程表如下，对里面的部分知识点感兴趣的话，可以戳下方传送门进行学习~
课时1：课程介绍
课时2：图像分类
课时3：线性分类器
课时4：优化算法
课时5：神经网络
课时6：反向传播
课时7：卷积结构
课时8：卷积神经网络（CNN）架构
课时9：硬件/软件知识
课时10：训练神经网络（1）
课时11：训练神经网络（2）
课时12：循环神经网络
课时13：注意力机制
嘉宾讲座：对抗性机器学习
课时14：可视化和理解
课时15：目标检测
课时16：图像分割
课时17：3D视觉
课时18：视频处理课时19：生成模型（1）
课时20：生成模型（2）
课时21：强化学习
课时22：回顾/总结
传送门：
网课链接：
http://leccap.engin.umich.edu/leccap/site/jhygcph151x25gjj1f0
PPT下载：
https://www.youtube.com/playlist?list=PL5-TkQAfAZFbzxjBHtzdVCWE0Zbhomg7r
本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容，未经账号授权，禁止随意转载。
