概念CS231n
CS231n
斯坦福大学开设的深度学习与计算机视觉经典课程，作业要求用NumPy从零实现神经网络组件，强调对反向传播等底层原理的深入理解。
核心事实
时间轴 (近 90 天)
10月14日
Stanford CS231n课程长期被视为深度学习入门经典课程，其Assignment 1到2要求学生在完全不用框架的前提下，用NumPy实现线性分类器、两层神经网络、批量归一化和卷积层。
待验证50%
10月14日
CS231n的作业中，学生推导softmax交叉熵梯度时会卡住，因为它涉及Jacobian与概率归一化的耦合；实现batchnorm反向时更是考验对链式法则的精细掌控。
待验证50%
8月29日
与CMU 11-785类似的高质量公开课包括斯坦福CS231n（计算机视觉）、CS224n（NLP）以及MIT的6.S191
待验证50%
8月28日
与11-785类似的高质量公开课包括斯坦福的CS231n、CS224n以及MIT的6.S191
待验证50%
全部知识事实 (5)
已验证
Andrej Karpathy在斯坦福大学开设了深度学习课程CS231n
70%待验证Stanford CS231n课程长期被视为深度学习入门经典课程，其Assignment 1到2要求学生在完全不用框架的前提下，用NumPy实现线性分类器、两层神经网络、批量归一化和卷积层。
50%待验证CS231n的作业中，学生推导softmax交叉熵梯度时会卡住，因为它涉及Jacobian与概率归一化的耦合；实现batchnorm反向时更是考验对链式法则的精细掌控。
50%待验证与CMU 11-785类似的高质量公开课包括斯坦福CS231n（计算机视觉）、CS224n（NLP）以及MIT的6.S191
50%待验证与11-785类似的高质量公开课包括斯坦福的CS231n、CS224n以及MIT的6.S191
50%