3天完成Neural Networks and Deep learning课程

PDF版（排版更好）链接：http://pan.baidu.com/s/1nuLdwKh
密码：qlrp

最近吴恩达的deeplearning.ai课程新出，非常火，这是个deep learning专项课程，包含了5门课，现在开了3门，还要2门也会尽快上线。5门课程是

• l 课程1：Neural Networks and Deep Learning
• l 课程2：Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization
• l 课程3：Structuring Machine Learning Projects
• l 课程4：Convolutional Neural Networks：于soon开始
• l 课程5：Sequence Models：于soon开始

先简单介绍下Neural Networks and Deep learning课程内容：安排的课时是4个星期，每周3-6小时，字幕主要是英文，极少量的繁体中文，作业包括4次选择测试题，每次10题，答对8题过关；4次编程题，需要对神经网络的概念和逻辑清楚以后才能编码，总的编码量不大。

这一周在家休假，边照看孩子边学习，花了三天，后面的视频不是每个都认真看了，主要是先看作业，按照自己的知识先做一遍，不懂的再去看课程视频，以此提高效率，虽然有2天到夜里1点多，但总算将这门课程的作业完成，等一个星期的ID认证完成就可以拿证了。

记得上次上课学习AI课程已经是在2010年左右，那时的教材是artificial intelligence a modern approach，当时人工神经网络尚未流行，介绍的篇幅也很少，当时流行的概念是智能体、搜索算法、约束满足问题求解、贝叶斯网络，SVM等。

由于2014年毕业工作以来，都在自学和研究机器学习、深度学习和计算机视觉方面的内容，并没有上过相关的课程。借着这次吴恩达的AI课程，是对自己以前的自学成果做一次测试和总结，准备将5门课程都系统学习一遍。

谈谈感受：

• l 课程制作非常用心，吴的讲解很清晰、到位，包括知识点、编程技巧等
• l 吴采访了Geoffrey Hinto、Pieter Abbeel、Ian Goodfellow非常有意思，值得一看
• l 内容讲解的是深度学习的基础和核心理论和方法，里面的算法(参数初始化、前向传播、反向传播、梯度计算、参数更新等)都是用python和numpy等实现，并非采用tensorflow、caffe或keras等现有框架实现。通过对其内部的理解，相信以后使用各种框架时会更加的高效和充满自信
• l 编程工具Jupyter Notebook非常好用，每个函数编写完成都有测试用例，可以运行测试编码的正确性，完成以后一键提交，自动检查答案非常迅速
• l 有待改进之处：开启字幕时，字幕有时挡住了屏幕内容；有些字幕和语音同步不够好；缺乏中文字幕。