学习深度学习过程中的一些经验与方法

Posted 2021-06-03 大彤小忆

  深度学习是机器学习领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能。

  深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字、图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

  深度学习在搜索技术、数据挖掘、机器学习、机器翻译、自然语言处理、多媒体学习、语音、推荐和个性化技术以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。

  在学习完吴恩达机器学习系列课程后，我接着继续学习了吴恩达深度学习系列课程。吴恩达深度学习系列课程共有五门，分别是神经网络和深度学习（Neural Network and Deep Learning）、改善深层神经网络：超参数调试、正则化以及优化（Improving Deep Neural Networks：Hyperparameter tuning,Regularization and Optimization）、结构化机器学习项目（Structuring Machine Learning Projects）、卷积神经网络（Convolutional Neural Network）、序列模型（Sequence Models）。每一门课的每一部分内容都有对应的编程练习，可以对所学内容进行巩固和掌握。

  下面是学习过程中用到的一些资料：

• b站上吴恩达深度学习课程第一门课——《神经网络与深度学习》课程视频
• b站上吴恩达深度学习课程第二门课——《改善深层神经网络：超参数调试、正则化以及优化》课程视频
• b站上吴恩达深度学习课程第三门课——《结构化机器学习项目》课程视频
• b站上吴恩达深度学习课程第四门课——《卷积神经网络》课程视频
• b站上吴恩达深度学习课程第五门课——《序列模型》课程视频
• 深度学习笔记目录

  下面是本人在学习吴恩达深度学习过程中用到的所有资料的压缩包，包括五门课程对应所有编程练习的说明和实现代码。

• 深度学习所用资料下载