AI_Cousera笔记（吴恩达）_开篇

开设的课程：
1：神经网络与深度学习
2：改善深层神经网络：超参数调试、正则化以及优化
3：结构化机器学习项目
4：卷积神经网络
5：序列模型

课程的目标：
第一门课：
学习神经网络和深度学习的基础、如何建立神经网络（包含一个深度神经网络），以及如何在数据上训练他们。在课程的结尾，你将用一个深度神经网络进行辨认猫。

第二门课：
将进行深度学习方面的实践，学习严密地构建神经网络，如何真正让它表现良好，因此你将要学习超参数调整、正则化、诊断偏差和方差以及一些高级优化算法，比如Momentum和Adam算法，犹如黑魔法一样根据你建立网络的方式。

第三门课：
学习如何结构化你的机器学习工程。
事例：通过分割数据的方式、分割成训练集、比较集或改变的验证集，以及测试集合，来改变了深度学习的错误。
事实证明，通过构建机器学习系统的策略改变了深度学习的错误。
拓展：端对端深度学习

第四门课：
学习搭建经常被用于图像领域的卷积神经网络的深度学习模型

第五门课：
学习序列模型，以及如何将它们应用于自然语言处理(NLP)，以及其他问题
注：
序列模型：
循环神经网络（RNN）、全称是长短期记忆网络（LSTM）