AI news

吴恩达执教的深度学习课程CS230秋季上新,新增GPT-5专题

By 机器之心1 viewsSource: 机器之心
吴恩达执教的深度学习课程CS230秋季上新,新增GPT-5专题

吴恩达 (Andrew Ng) 执教的斯坦福 CS230 深度学习旗舰课程已更新至 2025 秋季版,首讲视频现已公开!课程采用翻转课堂模式,学生需提前观看 Coursera 上的 deeplearning.ai 专项课程视频(包括神经网络基础、超参数调优、结构化机器学习项目等模块),然后参加线下课程。

The full text has not been translated yet. The Chinese original is shown below.

「人工智能是新的电力。」——吴恩达

吴恩达 (Andrew Ng) 执教的斯坦福 CS230 深度学习旗舰课程已更新至 2025 秋季版,首讲视频现已公开!

吴恩达执教的深度学习课程CS230秋季上新,新增GPT-5专题

课程采用翻转课堂模式,学生需提前观看 Coursera 上的 deeplearning.ai 专项课程视频(包括神经网络基础、超参数调优、结构化机器学习项目等模块),然后参加线下课程。

  • 课程主页:https://online.stanford.edu/courses/cs230-deep-learning
  • YouTube:https://www.youtube.com/watch?v=_NLHFoVNlbg
  • Coursera:https://www.coursera.org/learn/neural-networks-deep-learning

CS230 自 2017 年起开设,2025 秋季版在核心框架上与前几年(如 2024 秋季)相似,但引入了针对最新 AI 发展的更新。以下是主要区别:

  • 最大变化:新增 GPT-5 专题章节

课程将深入探讨 OpenAI 于今年 8 月发布的 GPT-5 模型。内容覆盖其具体特性,如「过度拒绝」问题、安全行为机制、微调技术以及创新的 agentic workflows,紧密贴合多模态能力和 AI 伦理等前沿议题。

吴恩达执教的深度学习课程CS230秋季上新,新增GPT-5专题

  • 强化生成模型内容

在原有基础上,新版课程增强了对生成模型的讲解,并整合了最新的 RAG 和 AI Agents 等热门技术,并结合 GPT-5 进行案例分析。

  • 更注重 AI 项目开发全生命周期

课程强调从科学、工程到决策的完整项目技能,并推荐使用如 Workera 等前沿评估工具来辅助技能提升与项目实践。

这是该课程的教职工阵容:

吴恩达执教的深度学习课程CS230秋季上新,新增GPT-5专题

  • 吴恩达 (Andrew Ng):斯坦福大学客座教授,Coursera 和 DeepLearning.AI 创始人。他在人工智能领域的开创性研究和致力于普及 AI 知识的贡献闻名于世。

  • Kian Katanforoosh:斯坦福大学讲师,长期主讲 CS230。他也是 AI 技能评估平台 Workera 的创始人兼 CEO,曾入选《福布斯》「30 Under 30」榜单,并因卓越教学荣获斯坦福大学多项大奖。

课程简介

CS230 是斯坦福大学计算机科学系开设的一门关于深度学习的旗舰课程。它旨在为学生提供深度学习领域的全面、深入且实践性强的知识。

这门课由人工智能领域的顶尖专家,特别是 Andrew Ng (吴恩达) 教授及其团队打造,因此在全球范围内都享有极高的声誉。

CS230 的核心目标是让学生掌握构建和应用深度学习模型所需的理论基础和实践技能。课程内容覆盖了从基本的神经网络概念到当前最前沿的深度学习架构。

与偏重理论的课程不同,CS230 极其强调动手实践,学生将通过一系列编程作业和最终的大型项目来巩固所学知识。

课程时间表与内容

2025 年秋季课程从 9 月底开始,持续约 10 周。以下是主要日程(基于 2025 秋季大纲,可能有微调):

吴恩达执教的深度学习课程CS230秋季上新,新增GPT-5专题

  • 教学大纲:https://cs230.stanford.edu/syllabus/

课程核心主题

CS230 覆盖了从基础理论到前沿应用的完整知识体系,并极其强调动手实践。

  • 神经网络与深度学习基础:打下坚实的理论根基。

  • 神经网络优化技术:学习正则化、Adam 优化器、超参数调优、Dropout、批量归一化 (BatchNorm) 等关键技术。

  • 机器学习项目构建策略:掌握从构思到成功部署一个完整机器学习项目的策略与方法。

  • 卷积神经网络 (CNN):深入理解 CNN 及其在图像分类、目标检测、人脸识别等领域的应用。

  • 循环神经网络 (RNN):掌握 RNN、LSTM 及其在自然语言处理、语音识别等序列任务中的应用。

  • 前沿高级主题:探索生成对抗网络 (GANs)、深度强化学习、对抗性攻击等。

  • 行业与学术洞见:获取来自产业界与学术界的宝贵见解,以及实用的 AI 职业发展建议。

文章来自于微信公众号 “机器之心”,作者 “机器之心”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)