Skip to main content

斯坦福 CS236 深度生成模型

课程名称： Deep Generative Models
官方入口： Stanford ExploreCourses
课程层级： 研究生进阶
先修要求： 深度学习、概率建模、基础机器学习
重要程度： ※※※※☆

课程定位​

CS236 是 Stanford 深度学习课程树里很有代表性的高级课，核心问题是：如何建模高维数据分布，如何让模型不仅会分类，还会生成、重建、压缩和表示复杂数据。

核心内容​

  • 自回归模型与似然建模
  • VAE、变分推断与潜变量模型
  • GAN 及其训练挑战
  • 扩散模型、score-based 方法等现代生成建模思路
  • 生成模型在图像、语言、结构化数据中的应用

课程价值​

如果你已经学过 CS230 或 CS231N，CS236 会把你从“判别式建模”推进到“生成式建模”。这对今天的大模型、扩散模型、多模态系统理解非常关键。

学习难点​

  • 需要较强的概率和变分推断基础
  • 不同生成模型之间的目标函数差异较大，容易混
  • 课程更偏研究导向，需要愿意读论文和比较方法假设

学完后的衔接​

  • 继续大模型 / 生成式 AI 方向
  • 结合 CS224N、CS231N 进入多模态和生成应用