摘要： 
本文讲解了损失函数（数据损失与正则损失）、多类 SVM 损失与Softmax损失比较、梯度计算方法（数值梯度与解析梯度）、梯度下降优化算法等【对应 CS231n Lecture 3】 阅读全文
本文讲解了损失函数（数据损失与正则损失）、多类 SVM 损失与Softmax损失比较、梯度计算方法（数值梯度与解析梯度）、梯度下降优化算法等【对应 CS231n Lecture 3】 阅读全文
摘要： 
图像分类是计算机视觉的核心任务。本文讲解数据驱动的模型算法，包括最邻近算法、KNN分类器、线性分类器的原理、各自的优缺点和实际应用【对应 CS231n Lecture 2】 阅读全文
图像分类是计算机视觉的核心任务。本文讲解数据驱动的模型算法，包括最邻近算法、KNN分类器、线性分类器的原理、各自的优缺点和实际应用【对应 CS231n Lecture 2】 阅读全文
摘要： 
本文讲解了斯坦福大学 CS231n 课程的内容框架（深度学习 + 卷积神经网络 + 计算机视觉应用）和学习基础，帮助了解计算机视觉的历史和技术发展【对应 CS231n Lecture 1】 阅读全文
本文讲解了斯坦福大学 CS231n 课程的内容框架（深度学习 + 卷积神经网络 + 计算机视觉应用）和学习基础，帮助了解计算机视觉的历史和技术发展【对应 CS231n Lecture 1】 阅读全文
摘要： 
本教程依托于 Stanford 斯坦福大学的《CS231n：深度学习与计算机视觉》，对深度学习与计算机视觉方向的图像分类、CNN、RNN、目标检测、图像分割、生成模型等各个主题做了体系化的梳理 阅读全文
本教程依托于 Stanford 斯坦福大学的《CS231n：深度学习与计算机视觉》，对深度学习与计算机视觉方向的图像分类、CNN、RNN、目标检测、图像分割、生成模型等各个主题做了体系化的梳理 阅读全文
NLP课程第20讲是课程最后一讲，介绍了NLP的兴起历程和发展方向，包括使用未标记数据进行翻译、大模型、GPT-2、QuAC、HotPotQA等。 
NLP课程第19讲介绍了 NLP 和 AI 偏见产生的原因、衡量和应用，以及通过数据、机器学习技术、多任务学习等减少偏见、促进公平。 
NLP课程第18讲介绍了基于词向量空间模型的构建、结构反向传播(BTS)及其Python编程、简单TreeRNN及应用、 复杂TreeRNN结构、斯坦福大学HAI研究所等。 
本文介绍了 NLP 句法分析与树形递归神经网络，主要讲解树形递归神经网络、句法分析 (Constituency Parsing )、Recursive Neural Networks (RNN)、成分句法分析、SU-RNN、MV-RNN、RNTN等。 
NLP课程第17讲介绍了问答系统(QA)、多任务学习、自然语言处理的十项全能(decaNLP)、多任务问答系统(MQAN)等。 
NLP课程第16讲介绍了共指消解(指代消解) 的定义、作用和应用、指代检测、指代对模型、指代排序模型 、指代聚类模型 、效果评估等。