就在 3 月 21 日，由吴恩达开设的斯坦福深度学习课程 CS230 课程视频发布到了网上。视频摄制于 2018 年秋季，时隔半年，线上课程终于上线并公开！再一次，我们终于又目睹了 AI 界的大 IP：吴恩达大佬的风采！
本公开课视频由吴恩达（Andrew Ng）和 Kian Katanforoosh 共同讲解。总共包含了 5 节课。
视频目录：
- Lecture 1 - Class Introduction and Logistics
- Lecture 2 - Deep Learning Intuition
- Lecture 3 - Full-Cycle Deep Learning Projects
- Lecture 4 - How to tune your network
- Lecture 5 - AI + Healthcare
课程视频首发于 Youtube 上，地址如下：
https://www.youtube.com/playlist?list=PLoROMvodv4rOABXSygHTsbvUz4G_YQhOb
考虑到有很多同学门观看视频不太方便，国内知名博主爱可可老师已经把视频搬运到了 B 站上！
视频地址：
https://www.bilibili.com/video/av47055599/
最新的视频，欢迎尝鲜！不过值得注意的是，油管上的视频是配备英文字幕的，而 B 站上的暂时没有字幕。所以，想吃熟肉的还是尽量在油管上观看吧。
以上这些新公开的教学视频是源自斯坦福的深度学习课程 CS230 的。对应 CS230，石头君之前发文介绍过。如今，这门课有了不少更新和新的资源，除了上面的视频之外，还有一些整理出来，希望对大家有用！
课程简介
首先，还是要简单介绍一下 CS230。CS230 涉及到深度学习的基础知识、神经网络构建，以及如何完成一个成功的机器学习项目。具体将涉及卷积网络，RNNs，LSTM，Adam，Dropout，BatchNorm，Xavier / He 初始化等，还提供医疗，自动驾驶，手语阅读，音乐创作和自然语言处理等多领域的案例研究。
课程主页：
课程形式：
CS230 采取课内和 Coursera 在线课程相结合的形式，其中每一个课程的模块都需要在 Coursera 上观看视频、做测试并完成编程作业。
也就是说，你将先在家里观看 Coursera 视频、完成编程任务以及在线测验，然后来到课堂上做进一步讨论和完成项目。该课程将以开放式的最终项目结束，教学团队会在过程中提供帮助。
教学大纲：
教学大纲地址为：
http://cs230.stanford.edu/syllabus/
所有教学大纲中包含的课件离线下载地址：
链接：
https://pan.baidu.com/s/1VaY_v4dgbqhXKKq8insfQg
密码：01n1
课程项目
CS230 最大的特色是课程最后会要求学生设计一个大项目。课程项目的题目非常开放。吴恩达希望学生明智地选择一个符合自己兴趣的项目，同时又是既有动力又有技术挑战性的。
项目类型主要分为三个类型：
- 应用程序项目。这是迄今为止最常见的：选择一个你感兴趣的应用程序，并探索如何最好地应用学习算法来解决它。
- 算法项目。选择一个问题或一系列问题，并开发一个新的学习算法，或现有算法的一个新变种来解决它。
- 理论项目。证明一个新的或现有的学习算法的一些有趣的或不平凡的特性。（这通常非常困难，因此很少有项目，如果有的话，是纯理论的。）一些项目还将结合应用程序和算法的元素。
课程网页上也公布了每个学期学生的优秀项目。以 2018 年秋季为例，项目前几名的作品和一些优秀的项目作品也都公开出来了。
第一名的项目是《Deep Energies for Estimating Three-Dimensional Facial Pose and Expression》。点开就能看到这个项目的详细 Report。这里，附上地址：
http://cs230.stanford.edu/projects_fall_2018/reports/12409058.pdf
课程资料
下面这份笔记和教程意在补充 Andrew Ng 和 Kian Katanforoosh 教授斯坦福大学 CS230 的材料。资料地址：
https://cs230-stanford.github.io/
这些资料包含一些 PyTorch 和 TensorFlow 的教程，可能会对最终项目有所帮助！对应的 GitHub 地址为：
https://github.com/cs230-stanford/cs230-code-examples
CS230 速查表
之前，MIT 的 Afshine Amidi 和斯坦福大学的 Shervine Amidi 在博客上整理了一份 CS230 课程知识点的归纳总结。这份总结提要基本遵循 CS230 的授课思路和流程，分卷积神经网络、递归神经网络、提示与技巧，三大方面由浅入深地介绍了深度学习的基本概念、网络模型、研究和实验操作方法等。
下面就来看一下这三张速查表：
1. Convolutional Neural Networks
、
上速查表的网页地址为：
https://github.com/afshinea/stanford-cs-230-deep-learning
离线下载地址：
链接：
https://pan.baidu.com/s/1DCIWDHdnvhKI7DTloV6cGA
提取码：w2aq
最后，预祝你又拿下一门课！
