大家好，今天小编关注到一个比较有意思的话题，就是关于stanford.edu的问题，于是小编就整理了3个相关介绍stanford.edu的解答，让我们一起看看吧。
斯坦福大学培养出了哪些名人？
斯坦福大学
【全称】：小利兰·斯坦福大学（Leland Stanford Junior University）
【地点】：美国·加利福尼亚·斯坦福市
【相关排名】：2005英国泰晤士报专上教育增刊的世界大学排名，斯坦福大学在总平均排名世界第五；
2006美国Princeton Review全美“最难申请上的大学”排名第九；
斯坦福的工程学院排名全美第二。
【学校性质】：私立
【学生数量】：6,654名本科生
8,037名研究生
【师资力量】：1750
【科研单位】：斯坦福直线加速器中心(SLAC)
【创建时间】：公元1891年10月1日
【创始人】：利兰·斯坦福夫妇
【网址】：***.stanford.edu
【知名校友】：朱棣文：华裔19***年诺贝尔物理学奖获得者
莱德：美国第一位女宇航员
杨致远：雅虎创办人之一，华裔美国人
王文华：台湾作家及节目主持人
费翔：美籍华裔歌手
谢尔盖·布林：Google创办人之一，俄裔美国人
拉里·佩奇：Google创办人之一
陈岳鹏：香港汇贤智库的政策发展总监
李泽钜：香港商人李嘉诚之长子
黄蓝萱:***数学家,微分几何学家
曾于容:***数学家,代数几何学家
斯坦福大学、麻省理工学院、加州大学伯克利分校、卡内基梅隆大学这四所大学的计算机系分别有什么特点？
在美国计算机科学排名方面，这四所大学是并列第一的。只不过还是各有千秋，因为之前孩子申请过，所以我也是做了不少功课去了解，说一下大概情况：
斯坦福大学，家长们都简称其为大S，由于学校位于硅谷，所以学术***是很强的，定位就是做计算机行业的领袖、引导。其录取的学生更看重综合能力，有种属于行业大佬的感觉。
麻省理工学院，被形象地称为“麻绳”。学术严谨，更倾向于做理论科研方面，录取的学生多为专业精英。
加州大学伯克利分校，英语简写为UCB，是加州系中工科最强的，但据说有计算机中的嬉皮士之称。个人感觉是不是天才太多了，行为比较不正规一些吧。
卡内基梅隆大学，简称为卡梅，是计算机科学中的战斗机，别的学校计算机是一个系，而其计算机有专门的学院，下面分类很全面，全校其他专业，或多或少都要学一些计算机知识，有一种***都在学计算机的氛围，有点类似国内北邮那样的行业强校。比起上面三所大学 ，其综合排名低一些，所以录取率也相对要高一些。
单就计算机系科来说，有以下特点：
斯坦福：名牌大学的名牌专业，最难录取。一经录取就进了就业、升职、创业快车道。是天才学生大本营。
麻省理工：名牌大学的名牌专业，和斯坦福一样难录取。是技术直男集中营。
加州伯克利：大型公立名牌大学的名牌专业，相对于其他三所大学来说，录取最容易，尤其是本州学生容易进去。但容易进、不容易出。
卡内基梅隆：偏科大学的名牌专业，计算机一枝独秀，计算机相关专业设置数目最多。录取难度低于前二个，高于第三个。
卡内基梅隆最容易录取，在这学计算机可以曲线救国，考研或可以找到更好的学校。ucb公校综合排名第一，名气放在哪里，计算机也算顶流之一，地处硅谷容易就业，薪水也高。斯坦福和mit不相上下，基本上是世界最强，如果运气好在这里就读，今后不管是继续深造还是找工作都很容易。
斯坦福和MIT都是顶级CS，前者面向硅谷大厂和创新企业，后者面向***科研，国家实验室和NASA等。CMU的CS属于专科突出，UCB面向硅谷，但比斯坦福要略低些。
如何才能深度学习呢？
人工智能和深度计算
人工智能(Artificial Intelligence，AI)，是指基于底层算法、计算机技术模拟、扩展人大脑智能的理论、方法、技术和应用系统的一门新的技术科学。人工智能一直学界研究和关注的重点，跨越了数学、生理学、计算机等多学科的明星学科，已经发展了好几十年，BP神经网络、SVM都曾经带动AI火了好一阵子。最近AI火又烧起来了，自2006年以来，依赖于分布式计算、云计算使得计算机并行处理能力大大加强，而且而且在算法上又有了突进。我们说的算法就是深度计算 Deep Learning。
12年6月，媒体报道了Google Brain项目，大家的广泛关注。项目有著名机器学习教授Andrew Ng和JeffDean共同主导，用16000个CPU Core的并行计算平台训练一种称为“深度神经网络”（DNN，Deep Neural Networks）的机器学习模型（内部有10亿个节点），在语音识别和图像识别等领域获得了巨大的成功。
TensorFlow
15年谷歌开源了，旗下著名的AI和深度学习 TensorFlow引擎，引燃了AI和DL在大火。
TensorFlow 是谷歌在DistBelief基础上发展的第二代人工智能学习系统。关于其名称来源：Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow是指张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。
TensorFlow可广泛地应用于语音识别，自然语言理解，计算机视觉，广告等等。
同时各大厂商也都推出了类似的机器学习框架。
关于深度学习的学习
深度学习是在AI，神经网络的一个新算法，如果要系统学习AI，你必须有一定基础的数学技能、AI和模式算法的基础，不是一下深入的。
建议先打一些数学和AI、模式识别等基本算法的基础，然后可以学习机器学习的公开课，比如Hinton 的Neural Networks for Machine Learning，斯坦福 CS231。
***教程，推荐李宏毅的机器学习课程
关于中文课程，台湾一个教授李宏毅的一个***课程Hung-yi Lee ：
课程设置非常合理，内容由浅入深，内容很全，大概会涵盖近几年最新的paper ，而且也会引用reddit 讨论的deep learning问题，同时他也会讲很多调参的技巧。
注重应用和实践的一些课程和工具框架的教学。比如2015年时候讲theano，17年讲tensorflow以及keras。他的课程主页上有ppt,video,homework,非常适合初学者食用，如果你的数学很差，他的课程主页有一门linear algebra，还有一门machine learning ，这两门课会补很多数学知识。
另外李宏毅的***教程，去搜索下，各大***网站基本上都有。
到此，以上就是小编对于stanford.edu的问题就介绍到这了，希望介绍关于stanford.edu的3点解答对大家有用。
