吴恩达deep learning课程笔记0 Welcome

Posted 2020-10-10 PilgrimHui

1 课程概述

这是一个专项课程(Specialization)，包含5个独立的课程。

1.1  Neural Networks and Deep Learning

了解NN的基础，如何建立NN，如何训练它，课程的最后建立一个DNN识别猫。

 

1.2  Improving Deep Neural Networks: Hyperparameter tuning, Regularization, Optimization

进行深度学习方面的实践，学习如何让使它表现更好（超参数的调整，正则化，诊断偏差和方差，以及一些高级优化算法，比如Momentum, RMAProp和Adam优化算法）

讲解一些关于建立网络的”黑魔法“。

 

1.3  Structuring your Machine Learning project

学习如何构建机器学习工程

构建机器学习系统的策略改变了深度学习，比如把数据转成 [ 训练集/验证集/测试集 ] 的方式

目前最好的训练方式是什么呢？如果你的训练集和测试集来自不同分布怎么办？这些在深度学习中更常见，你要怎么解决呢？

什么时候应该用end-to-end，什么时候不该用？

这一门课比较有意思，ng将和大家分享他学习到的课程，生产，部署，深度学习的产品。

这些材料大部分开设深度学习课的大学都没有提到，但ng认为这些可以让你的深度学习系统表现更好。

 

1.4  Convolutional Neural Network

CNN，卷积神经网络，经常用于图像领域。

这一门课将学习如何建立这样的模型。

 

1.5  Natural Language Processing: Building sequence models

学习序列模型，以及如何将它们应用于自然语言处理和其它问题。序列模型包括RNN, LSTM。

学习这些模型并将它们应用于序列数据（自然语言就是一组单词序列）。

你也能理解，这些模型如何用于语音识别或者编曲和其它问题。