斯坦福 CS231n 核心主题概览 | AI生成和翻译
Question: What is the course syllabus for Stanford CS231n by Andrej Karpathy?
Answer:
Stanford CS231n，标题为 “Convolutional Neural Networks for Visual Recognition”（现在通常称为 “Deep Learning for Computer Vision”），最初是由 Andrej Karpathy 在其早期开课期间（2015年冬季和2016年冬季学期）设计并担任主讲的。他创作了基础的 lecture notes、assignments 以及大部分沿用至今的课程结构。
来自 Andrej Karpathy 时期（2016年冬季）的经典教学大纲涵盖了大约 20 讲中的以下主要主题：
- Introduction to Computer Vision 与课程概览
- Image Classification（数据驱动方法，k-Nearest Neighbor）
- Linear Classification（score functions，损失函数如 SVM 和 Softmax）
- Optimization（gradient descent，stochastic gradient descent，backpropagation）
- Neural Networks（fully connected networks，activation functions，architectures）
- Training Neural Networks（initialization，regularization，dropout，batch normalization，data augmentation）
- Convolutional Neural Networks (ConvNets)（convolution，pooling，architectures 如 AlexNet，VGG，GoogLeNet，ResNet）
- Understanding and Visualizing ConvNets（saliency maps，gradients，deconvolutions）
- Object Detection（sliding window，region proposals，R-CNN 家族）
- Localization and Segmentation（semantic segmentation，instance segmentation）
- Recurrent Neural Networks (RNNs) 及其应用，如 image captioning
- Advanced topics（transfer learning，efficient convolutions，modern practices）
该课程包括实现这些概念的动手作业（例如：kNN、fully-connected nets、使用 PyTorch/TensorFlow 等框架实现 ConvNets、network visualization）以及一个期末项目。
请注意，当前版本的 CS231n（例如 2025年春季）在 Fei-Fei Li 等讲师的指导下已经有所演进，加入了诸如 generative models、Transformers in vision (ViTs) 和 human-centered AI 等较新的主题，同时保留了 Karpathy 原始设计的核心结构。
Karpathy 时代的原始 lecture notes 仍然公开可用，且仍是该课程资料中被引用最多的版本。
References:
- Original CS231n Course Website (current, with links to past offerings)
- CS231n Lecture Notes (classic version by Andrej Karpathy)
- Winter 2016 Syllabus and Slides
- Andrej Karpathy’s Academic Page mentioning CS231n