吴恩达 Coursera(DeepLearning.ai) 笔记和作业汇总

01_deeplearning

最近在学习吴恩达深度学习的课程，发现知乎上有个大佬做了详细的总结，为了方便查找，所以把他的帖子链接搬运过来！

第一门课：神经网络和深度学习

主要讲了神经网络的基本概念，以及机器学习的梯度下降法，向量化，而后进入了浅层和深层神经网络的实现。

第三周：主要是浅层神经网络的实现

第四周：深层神经网络的实现

介绍了改善神经网络的方法，如正则化，超参数调节，优化算法等。

第一周：训练集的划分、正则化、dropout

第二周：Mini-batch、Momentum、RMS、Adam、学习率衰减

第三周：超参数的调试、BatchNorm、softmax

主要讲了机器学习中的一些策略。

第一周：ML策略、正交化、优化指标、数据集的划分、偏差

第二周：误差分析、数据不同分布、迁移学习、多任务、端到端

主要讲了神经网络的在图像上的非常重要的应用，卷积神经网络。

第一周：padding、步长、池化、卷积

第二周：一些重要的神经网络结构，VGG、ResNet、Inception等

第三周：目标检测、Bounding Box、IOU、NMS

第四周：人脸识别和神经风格转换

主要讲了神经网络在语言领域的应用，用RNN模型

第一周：介绍了基本的RNN、GRU、LSTM

第二周：自然语言处理与词嵌入

第三周：序列模型和注意力机制