普林斯顿 COS485 神经网络

课程名称： Neural Networks
官方入口： Princeton AI/ML 课程页、Princeton CS Schedule
课程层级： 本研进阶
先修要求： 机器学习基础、线性代数、概率、优化
重要程度： ※※※※☆

课程定位

COS485 是 Princeton 体系里最直接的深度学习 / 神经网络主课。它的作用是把 COS324 或 COS424 里较抽象的学习框架具体化到神经网络表示、训练和现代模型上。

核心内容

• 多层感知机、反向传播、优化
• CNN、序列模型与注意力机制
• 表示学习、正则化与泛化
• 实验方法、训练诊断与模型比较
• 神经网络在语言、视觉等任务里的应用

课程特点

Princeton 的风格仍然偏结构清晰、理论扎实，不会完全变成“刷框架课”。所以这门课适合想把深度学习放回机器学习整体框架里理解的人。

学完后的衔接

• 视觉：接 COS429
• NLP：接 COS484
• 高阶研究：结合具体实验室方向继续读论文