其实是对着 UMich EECS 498-007 / 598-005: Deep Learning for Computer Vision 写的，所以主题是 Computer Vision 。本文中会有配图，是从 Justin Johnson 的 slides 上蒯的。
-
关于机器学习
实在找不到什么好的资料，于是就自己来写一个吧。
本文将从基础开始介绍机器学习的算法。
-
维护日志
编撰以应对并记录可能出现的技术难处。
-
物件侦测与分割
本文简要介绍了用于 Object Detection 的 Region Proposal 以及 R-CNN 。
-
贝叶斯方法与逻辑回归
本来是想按照课程内容写的，但后来还是决定另起炉灶了。本文将简要的介绍
-
卷积神经网络的可视化与可解释性
CNN 的中间结果可视化技术原来还可以拿来干这些事情。
-
注意力机制
Attention Is All You Need.
-
循环神经网络
我本来还以为 RNN 会更厉害一点来着。
-
如何训练神经网络
简要介绍了训练神经网络的技术细节，并引入了 Transfer Learning 这一思想。
-
卷积神经网络
这应该是目前最强大的处理图像识别问题的工具。