←上一篇	↓↑	下一篇→
1.5 关于这门课	回到目录	1.7 总结习题

课程资源

我希望你们喜欢这门课程，为了帮助你们完成课程，本次课程将列举一些课程资源。

首先，如果你有任何疑问，或是想和其他同学讨论问题，或是想和包括我在内的教学人员讨论任何问题，或是想要归档一个错误，论坛是最好的去处，我和其他教学人员将定期关注论坛的内容。论坛也是一个你从同学那里得到问题答案的好地方，如果想要回答同学的问题，可以从课程首页来到论坛：

在论坛上是提问的最佳途径，但是出于一些原因，可能要直接联系我们，可以将邮件发送到这个地址，我们会尽力阅读每一份邮件并尝试解决普遍出现的问。由于邮件数量庞大，不一定能迅速回复每一封邮件。另外，一些公司会尝试给员工做深度学习培训，如果你们想对员工负责，聘请专家培训上百甚至更多员工深度学习，请用企业邮箱与我们联系。我们处在大学学术开发的初始阶段，如果你是大学领导或者是管理人员，并且希望在你们学校开设一门深度学习课程，请通过大学邮箱联系我们。邮箱地址如下，祝你们好运！

Companies: enterprise@deeplearning.ai

Universities: academic@deeplearning.ai

课程板书

←上一篇	↓↑	下一篇→
1.5 关于这门课	回到目录	1.7 总结习题

1.6 课程资源-深度学习-Stanford吴恩达教授相关推荐

2.19 总结-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 2.18 Logistic 损失函数的解释回到目录 3.1 神经网络概览文章目录总结习题第 11 题第 12 题第 13 题第 14 题第 15 题第 1 ...
3.5 向量化实现的解释-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.4 多个例子中的向量化回到目录 3.6 激活函数向量化实现的解释 (Explanation for Vectorized Implementation) 在上一个视频 ...
3.12 总结-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.11 随机初始化回到目录 4.1 深层神经网络文章目录总结习题第 21 题第 22 题第 23 题第 24 题第 25 题第 26 题第 27 题 ...
3.10 直观理解反向传播-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.9 神经网络的梯度下降法回到目录 3.11 随机初始化直观理解反向传播 (Backpropagation Intuition (Optional)) 这个视频主要是推 ...
1.7 总结-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 1.6 课程资源回到目录 2.1 二元分类总结习题第 1 题 "人工智能是新电力"这个比喻指的是什么? A.人工智能为我们的家庭和办公室的个人设备 ...
1.5 关于这门课-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 1.4 为什么深度学习会兴起回到目录 1.6 课程资源关于这门课你的学习进度已经快接近这个专项课程的第一门课的第一周结尾了,首先,快速地介绍一下下周的学习内容: 在第一 ...
4.7 参数 vs 超参数-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 4.6 前向和反向传播回到目录 4.8 这和大脑有什么关系参数 vs 超参数 (Parameters vs. Hyperparameters) 想要你的深度神经网络起很好 ...
4.4 为什么使用深层表示-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 4.3 核对矩阵的维数回到目录 4.5 搭建深层神经网络快为什么使用深层表示 (Why Deep Representation?) 我们都知道深度神经网络能解决好多问题, ...
4.1 深层神经网络-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.12 总结习题回到目录 4.2 深层网络中的前向传播深层神经网络 (Deep L-layer Neural Network) 目前为止我们学习了只有一个单独隐藏层的神 ...

1.6 课程资源-深度学习-Stanford吴恩达教授

课程资源

课程板书

1.6 课程资源-深度学习-Stanford吴恩达教授相关推荐

最新文章

热门文章