1、神经网络和深度学习(Neural Networks and Deep Learning)

1.1 深度学习引言(Introduction to Deep Learning)

01_week1_quiz Introduction to deep learning

1.2 神经网络的编程基础(Basics of Neural Network programming)

01_week2_quiz Neural Netwoek Basics
01_week2_Python Basics with numpy (optional)
01_week2_Logistic Regression with a Neural Network mindset

1.3 浅层神经网络(Shallow neural networks)

01_week3_quiz Shallow Neural Networks
Planar data classification with one hidden layer

1.4 深层神经网络(Deep neural networks)

01_week4_quiz Key concepts on Deep Neural Networks
Building your Deep Neural Network: Step by Step
Deep Neural Network for Image Classification: Application

2、改善深层神经网络:超参数调试,正则化和优化(Improving Deep Neural Networks: Hyper parameter tuning, Regularization and Optimization)

2.1 深层学习的实践(Practical aspects of Deep Learning)

02_week1_quiz Practical aspects of deep learning
Initialization
Regularization
Gradient Checking

2.2 优化算法(Optimization algorithms)

02_week2_quiz Optimization algorithms
Optimization Methods

2.3 超参数调整(Hyper parameter tuning)

02_week3_quiz Hyperparameter tuning, Batch Normalization, Programming Frameworks
TensorFlow Tutorial
PyTorch 框架

3、结构化机器学习项目(Structuring Machine Learning Projects)

3.1 机器学习策略(1)(ML strategy(1))

03_week1_quiz Bird recognition in the city of Peacetopia(case study)

3.2机器学习策略(2)(ML strategy(2))

03_week2_quiz Autonomous driving (case study)

4、卷积神经网络(Convolution Neural Networks)

4.1 卷积神经网络基础(Foundations of Convolution Neural Networks)

04_week1_quiz The basics of ConvNets
Convolutional Neural Networks: Step by Step
Convolutional Neural Networks: Application
Convolutional Neural Networks: Application(PyTorch)

4.2 深度卷积网络:实例探究(Deep convolution models: case studies)

04_week2_quiz Deep convolutional models
Keras tutorial - the Happy House
the Happy House(PyTorch)
Residual Networks
Residual Networks(PyTorch)

4.3 目标检测(Object detection)

04_week3_quiz Detection algorithms
Autonomous driving - Car detection

4.4 特殊应用:人脸识别和神经风格转换(Special applications: Face recognition & Neural style transfer)

04_week4_quiz Special applications: Face recognition & Neural style transfer
Face Recognition for the Happy House
Deep Learning & Art: Neural Style Transfer

5、序列模型(Sequence Models)

5.1 循环序列模型(Recurrent Neural Networks)

05_week1_quiz Recurrent Neural Networks
Building your Recurrent Neural Network - Step by Step
Character level language model - Dinosaurus land
Improvise a Jazz Solo with an LSTM Network

5.2 自然语言处理和词嵌入(Natural Language Processing and Word Embedding )

05_week2_quiz Natural Language Processing & Word Embeddings
Operations on word vectors
Emojify

5.3 序列模型和注意力机制(Sequence models & Attention mechanism)

05_week3_quiz Sequence models & Attention mechanism
Neural Machine Translation
Trigger Word Detection

【目录】吴恩达深度学习相关推荐

  1. 吴恩达深度学习第二周--logistic回归作业1

    吴恩达深度学习第二周–logistic回归作业1 本系列为吴恩达老师深度学习作业的总结,其中参考了很多优秀的文章,本文为了方便日后的复习与巩固,更为详细的作业讲解参考 目录 吴恩达深度学习第二周--l ...

  2. [转载]《吴恩达深度学习核心笔记》发布,黄海广博士整理!

    红色石头 深度学习专栏 深度学习入门首推课程就是吴恩达的深度学习专项课程系列的 5 门课.该专项课程最大的特色就是内容全面.通俗易懂并配备了丰富的实战项目.今天,给大家推荐一份关于该专项课程的核心笔记 ...

  3. 737 页《吴恩达深度学习核心笔记》发布,黄海广博士整理!

    点击上方"AI有道",选择"置顶"公众号 重磅干货,第一时间送达 深度学习入门首推课程就是吴恩达的深度学习专项课程系列的 5 门课.该专项课程最大的特色就是内容 ...

  4. 799页!吴恩达深度学习笔记.PDF

    吴恩达深度学习课程,是公认的最优秀的深度学习课程之一,目前没有教材,只有视频,本文提供完整笔记下载,这本笔记非常适合和深度学习入门. 0.导语 黄海广博士和同学将吴恩达老师深度学习视频课程做了完整的笔 ...

  5. 360题带你走进深度学习!吴恩达深度学习课程测试题中英对照版发布

    吴恩达的深度学习课程(deepLearning.ai)是公认的入门深度学习的宝典,本站将课程的课后测试题进行了翻译,建议初学者学习.所有题目都翻译完毕,适合英文不好的同学学习. 主要翻译者:黄海广 内 ...

  6. github标星8331+:吴恩达深度学习课程资源(完整笔记、中英文字幕视频、python作业,提供百度云镜像!)...

    吴恩达老师的深度学习课程(deeplearning.ai),可以说是深度学习入门的最热门课程,我和志愿者编写了这门课的笔记,并在github开源,star数达到8331+,曾经有相关报道文章.为解决g ...

  7. 深度学习入门首推资料--吴恩达深度学习全程笔记分享

    本文首发于微信公众号"StrongerTang",可打开微信搜一搜,或扫描文末二维码,关注查看更多文章. 原文链接:(https://mp.weixin.qq.com/s?__bi ...

  8. 花书+吴恩达深度学习(二九)生成随机网络 GSN

    文章目录 0. 前言 1. 生成随机网络 GSN 如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔,我会非常开心的~ 花书+吴恩达深度学习(二七)深度生成模型之玻尔兹曼机及其变体(RBM, DB ...

  9. 花书+吴恩达深度学习(二八)深度生成模型之有向生成网络(VAE, GAN, 自回归网络)

    文章目录 0. 前言 1. sigmoid 信念网络 2. 生成器网络 3. 变分自编码器 VAE 4. 生成式对抗网络 GAN 5. 生成矩匹配网络 6. 自回归网络 6.1 线性自回归网络 6.2 ...

  10. 花书+吴恩达深度学习(二六)近似推断(EM, 变分推断)

    文章目录 0. 前言 1. 将推断视为优化问题 1.1 期望最大化 EM 1.2 最大后验推断 MAP 1.3 稀疏编码 2. 变分推断 2.1 离散型潜变量 2.2 连续性潜变量 如果这篇文章对你有 ...

最新文章

  1. 20160115广州MVP线下聚会
  2. linux watchdog demo hacking
  3. 关于 Session 的深入探讨
  4. 符号说明表怎么做_教会你的孩子正确使用标点符号
  5. 网站推广——网站推广专员如何恢复下降的权重值?
  6. ASP.NET MVC学习之路由篇(2)
  7. AI:2020年6月22日北京智源大会演讲分享之19:00-19:40《 圆桌论坛:人工智能产业的下一个十年》
  8. Canal数据同步策略
  9. Apache Shiro 简介
  10. Ubuntu 答疑:Ubuntu 添加和删除用户具体步骤及进程被占用的解决方式
  11. Ubuntu 14.04 安装 MongoDB
  12. 目标赋予生命的意义和目的
  13. Dorado7之AjaxAction
  14. c语言指针 汇编间接寻址,C语言指针和汇编语言间接寻址的关省略探讨从存储空间图的视角加以分析.pdf...
  15. 2021电赛备赛心路历程(含代码例程)
  16. 最全的《落日故人情》经典句子大全
  17. c++开源协程库libgo介绍及使用
  18. 交换机工作原理/模式
  19. Maven中的打胖包瘦包
  20. oracle 大量trace,Trace文件过量生成问题解决

热门文章

  1. python进阶路线 知乎_Python自学路线图之Python进阶
  2. 人工智能-基于规则的专家系统(基础知识)
  3. Linux——vi命令详解
  4. java 中文转首字母_java 中文转成拼音及首字母
  5. 介绍几款iPhone手机原型设计的工具
  6. 【第133期】 游戏策划:给@1的简历分析
  7. 【无标题】数据安全相关法律法规学习记录
  8. 推荐好用在线画图网站
  9. 从零开始写javaweb框架笔记10-搭建轻量级JAVAWEB框架-确定目标
  10. KETTLE使用教程