这篇适合谁读
这篇适合希望补 AI、LLM、系统、视觉或生成模型基础的人阅读。它把课程定位、学习价值和适合产出的笔记方向整理成公开路线，便于按目标选择课程。
吴恩达（Andrew Ng）亲授的深度学习实践课程。学习构建神经网络、CNN、RNN、LSTM，掌握 Adam、Dropout、BatchNorm 等工程技巧，通过医疗、自动驾驶、音乐生成、NLP 等案例实战。
基本信息
| 信息 | 内容 |
|---|---|
| 课程编号 | CS 230 |
| 课程名称 | Deep Learning |
| 学校 | Stanford University |
| 学期 | Autumn |
| 学分 | 3-4 Units |
| 讲师 | Kian Katanforoosh, Andrew Ng |
| 课程网站 | http://cs230.stanford.edu |
| GitHub | https://github.com/stanford-cs230/deep-learning-assignment-guides（⭐ 5.2k） |
课程简介
学习深度学习基础、构建神经网络、领导成功的 ML 项目。涵盖 CNN、RNN、LSTM、Adam、Dropout、BatchNorm 等。采用翻转课堂模式，通过医疗、自动驾驶、音乐生成、NLP 等实际案例学习。
先修要求
- Python 编程
- 线性代数（矩阵/向量运算）
- CS 229 可同时修读
公开资源
- YouTube: 完整讲座录像
- Coursera: 配套课程
- GitHub: 课程作业指南
与个人发展的关联
- 吴恩达亲授，最适合把 DL 应用到实际项目
- 课程项目导向，学完能独立搭建深度学习系统
- 是进入 LLM 开发的必修课
状态
已收录课程基本信息，待后续深入学习。
COMMUNITY DISCUSSION
评论
使用 GitHub 账号登录后参与讨论，评论会同步到 GitHub Discussions。