Stanford 2018 春季 CS230 (深度学习)课程资料开放，授课老师是吴恩达。
课程介绍
从官网课程介绍，这次课程和去年的课程差别不算太大，仍然包括 CNNs, RNNs, LSTM, Adam, Dropout, BatchNorm, Xavier/He initialization 等深度学习的基本模型，涉及医疗、自动驾驶、手语识别、音乐生成和自然语言处理等领域。除了学习理论，这门课设置的作业会让你使用 Pyhon 和 TensorFlow 自己动手实践操作一番。
课程内有 TensorFlow 和 PyTorch 简明教程，没有基础的可以同步学一下。教程链接
这里肯定少不了源码了，附上 链接
遗憾的是没有视频，只有课件。
课程计划
一共五大节课，如下：
- C1 : Neural Networks and Deep Learning
- C2 : Improving Deep Neural Networks
- C3 : Strategy for Machine Learning Projects
- C4 : Convolutional Neural Networks
- C5 : Sequence Models
第一课
主要介绍一下深度学习介绍和神经网络基础。
第二课
主要介绍深度学习的一些方法：BP(反向传播)算法、参数初始化、正则化等等，浅层神经网络和深层神经网络，GAN(生成式对抗网络)，深度学习的应用方面。
第三课
主要介绍t调超参，Batch Normalization 和机器学习策略。
第四课
主要介绍 CNNs (卷积神经网络)和多层卷积模型 ConvNets
第五课
主要讲 RNNs ，NLP (自然语言处理)，Word Embedding (词嵌入)，Seq2Seq 模型，同时涉及深度强化学习。
最后附上官网链接 。
如有需要全部课件，也可邮件联系我。