吴恩达《深度学习》课程介绍

吴恩达《深度学习》（Andrew Ng 《Deep Learning》）专业课程主要有五门课组成：
1.神经网络和深度学习（Neural Networks and Deep Learning）

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

3.构建机器学习项目（Structuring your Machine Learning project）

4.卷积神经网络（Convolutional Neural Networks）

5.自然语言处理（Natural Language Processing: Building sequence models）

神经网络和深度学习

在《神经网络和深度学习》这门课程中，主要介绍一些重要的基础知识，深度学习的基础内容，如何建立并运用一个深度神经网络。

第一周：简介

这一门课程有四周课，第一周主要讲解深度学习的入门介绍，

第二周：神经网络基础

学习神经网络的编程基础，了解神经网络中“正向传播”和“反向传播”的结构，还要算法的过程以及如何高效实现神经网络。

第三周：浅层神经网络

编写单隐层神经网络，学习所有必需的关键概念才能实现神经网络。

第四周：深层神经网络

建立一个多层的深层神经网络并使其运行。

之后将陆续发布自己学习过程中整理的笔记资料。

本文为“吴恩达《深度学习》笔记”系列文章之一，
更多文章：吴恩达《深度学习》笔记：http://blog.csdn.net/u012318074/article/category/7142959