deeplearning.ai 吴恩达网上课程学习
CS229比较注重理论的研究：参看CS229吴恩达斯坦福机器学习课程总结
而网易云的吴恩达deeplearning.ai更加注重编程的学习，让我们带着之前的理论知识和搭建好的平台一起进行下一步的学习吧~
课程概要：
在第一课中，你将会了解神经网络的基础：什么是神经网络和深度学习。也就是我们课程的第一部分第一周的内容。
整套课程包含五个部分，每个部分通常需要两到四周。
在第一部分中，我们将学习如何构建一个新的多层神经网络以及如何对数据进行训练。
在第一部分的课程完成后，你将能够构建一个深层神经网络用来识别猫。
接下来，在第二部分中，我们将具体讲一些深度学习中偏重实践方面的内容。
具体包括如何对一个网络参数进行调优，正则化，diagnose price and variants， 改进优化算法。
所以，第二部分课程虽然仅仅只有三周时间，但是其中包含很多重要并且奇妙的内容。
第三部分的课程中占用两周的课时，您将会学习如何完整的构建一个机器学习项目。
事实证明，在目前这个深度学习的年代，建立一个深度学习系统的方面已经发生的巨大的变化。
之前的做法是这样的：把数据依次切换到训练和测试阶段，进行交叉验证。
那么目前的深度学习应该如何实现呢？
在第三部分中，我们将详细的了解端到端学习，并详细了解什么情况下端到端学习是适用的。
第三部分中的材料相对比较独特，我们将会分享一些之前实际项目中的经验与教训。而这一部分内容是在其他课程中很少见到的。
不过我们真心的期望您在应用的过程中不要遭遇这些坑。
在第四部分中，我们讨论的是卷积神经网络（CNN）。
卷积神经网络的主要应用领域在于图像处理，在第四部分中，我们将详细讲解如何建立这些模型。
在最后的第五部分中，我们讲解的内容是序列模型，以及如何应用于自然语言处理等问题中。
序列模型包括RNN和LSTM等，他们对于长短期记忆模型非常有效。
在第五部分中，您将会详细了解到这些专业术语的含义，并将这些数据应用于这些模型中。
这些模型可以应用于语音识别、音乐生成等问题。
因此，通过这一系列的课程，您将会对深度学习有一个完整的认识。
之后可以根据我的博客一点一点的学习，也可以直接参看：
中文笔记原创参考：
https://www.missshi.cn/api/view/blog/59a6ad66e519f50d040000a7
本人博客以后的更新会更加注重在TensorFlow上实践，并提炼重点（原文是基于jupyter notebook）：（持续更新ing）
1.deeplearning.ai 吴恩达网上课程学习（一）——深度学习简介
2.deeplearning.ai 吴恩达网上课程学习（二）——神经网络基础
3.deeplearning.ai 吴恩达网上课程学习（三）——Python矢量化实现神经网络
4.deeplearning.ai 吴恩达网上课程学习（四）——Logistic代码实战，基于Linux，Python 3.4，TensorFlow
5.deeplearning.ai 吴恩达网上课程学习（五）——浅层神经网络理论学习
6.deeplearning.ai 吴恩达网上课程学习（六）——浅层神经网络分类代码实战
7.deeplearning.ai 吴恩达网上课程学习（七）——深层神经网络理论学习
8.deeplearning.ai 吴恩达网上课程学习（八）——深层神经网络分类代码实战
9.deeplearning.ai 吴恩达网上课程学习（九）——深度学习基础实践理论
10.deeplearning.ai 吴恩达网上课程学习（十）——初始化、正则化、梯度检查实战
11.deeplearning.ai 吴恩达网上课程学习（十一）——优化算法理论讲解和代码实战
12.deeplearning.ai 吴恩达网上课程学习（十二）——超参数调优、Batch正则化理论及深度学习框架学习
13.deeplearning.ai 吴恩达网上课程学习（十三）——TensorFlow入门
14.deeplearning.ai 吴恩达网上课程学习（十四）——机器学习调优通用理论讲解
15.deeplearning.ai 吴恩达网上课程学习（十五）——卷积神经网络
环境搭建：
① Windows下基于python（anaconda）安装gpu版本的TensorFlow，kears，pytorch深度学习框架
② 深度学习（一）：虚拟机Linux系统搭建CPU TensorFlow
多沟通多交流！