UC Berkeley EECS182/282A
UC Berkeley EECS182/282A：Deep Neural Networks（2025 秋）
结合理论、实现和实验理解深度神经网络。
BerkeleyEECS182
- 难度
- 中阶
- 形式
- 大学课程
- 语言
- 英文
- 规模
- 27 个课节
- 内容费用
- 免费
- 动手
- 需要动手环境
学完你能
- 结合理论、实现和实验理解深度神经网络
适合你吗
适合
已具备 Python、线性代数、微积分和概率基础基础，想系统学习深度学习、视觉表征学习的学习者。
暂不适合
前置知识不足、需要作业批改或学分证书的人：公开旁听一般不含批改、考试和证书，部分视频也可能不公开。
需要先会
建议先具备：Python、线性代数、微积分和概率基础（本站建议）。正式选课要求见原站 syllabus。
课程特点
- 内容侧重
- 理论与实践结合
- 练习与项目
- HW0–14 含书面题和代码，按周结合讨论课。正式修课通过 Gradescope 提交，非代码部分按课程要求手写；不要公开上传课程材料、作业答案或把公开链接当作再分发许可。
- 学习时长
- 27 个课节原站未给出统一学习时长；实际用时取决于已有基础。
- 内容费用
- 免费作业与讨论题 PDF 公开免费；讲课多为板书，录像需 Berkeley 账号，课程未提供公开讲义
来源与使用须知
- 原始资源
- UC Berkeley EECS182/282A 收录版本：2025 秋
- 收录时间
- 本站首次收录 2026-10-10
- 指南参考
- 官方课程入口 课节、材料或环境依据
版权与转载
- All Rights Reserved; no public sharing without explicit permission：保留所有权利：仅供个人学习，转载、分享或修改须先取得权利人授权。原站说明
- 其余材料未标明许可：仅供个人学习，转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南，不转载、不镜像课程材料；引用时请注明原作者与出处。