这里有Coursera吴恩达《深度学习》课程的完整学习笔记,一共5门课:《神经网络和深度学习》、《改善深层神经网络》、《结构化机器学习项目》、《卷积神经网络》和《序列模型》,最后附上人工智能领域大师访谈,干货满满。
第一门课:神经网络和深度学习基础,介绍一些基本概念。(四周)
第二门课:深度学习方面的实践,严密的构建神经网络,如何真正让它表现良好。超参数调整,正则化诊断偏差和方差,高级优化算法,如Momentum和Adam算法。(三周)
第三门课:学习如何结构化你的机器学习项目,构建机器学习系统的策略改变深度学习的错误,以及端对端深度学习。(两周)
第四门课:大名鼎鼎的卷积神经网络CNN,常应用于图像领域,介绍如何搭建这样的模型,包括卷积层,池化层和全连接层这些组件;经典模型(VGG、AlexNet和LeNet-5,以及ResNets和Inception系列)。(四周)
第五门课:序列模型,如何将它们应用于自然语言处理以及其他问题。系列模型包括的模型有循环神经网络RNN,长短期记忆网络LSTM模型,应用于序列数据NLP,或者语音识别或者编曲。(三周)
下面给出具体笔记链接:
1-1 Coursera吴恩达《神经网络与深度学习》第一周课程笔记-深度学习概论
1-2 Coursera吴恩达《神经网络与深度学习》第二周课程笔记-神经网络基础
1-3 Coursera吴恩达《神经网络与深度学习》第三周课程笔记-浅层神经网络
1-4 Coursera吴恩达《神经网络与深度学习》第四周课程笔记-深层神经网络
2-1 Coursera吴恩达《改善深度神经网络》 第一周课程笔记-深度学习的实践方面
2-2 Coursera吴恩达《改善深度神经网络》第二周课程笔记-优化算法
2-3 Coursera吴恩达《改善深度神经网络》第三周课程笔记-超参数调试、Batch正则化和编程框架
3-1 Coursera吴恩达《构建机器学习项目》 第一周课程笔记-机器学习策略(1)
3-2 Coursera吴恩达《构建机器学习项目》 第二周课程笔记-机器学习策略(2)
4-1 Coursera吴恩达《卷积神经网络》 第一周课程笔记-卷积神经网络基础
4-2 Coursera吴恩达《卷积神经网络》 第二周课程笔记-深度卷积模型:实例探究
4-3 Coursera吴恩达《卷积神经网络》 第三周课程笔记-目标检测
4-4 Coursera吴恩达《卷积神经网络》 第四周课程笔记-特殊应用:人脸识别和神经风格转换
5-1 Coursera吴恩达《序列模型》 第一周课程笔记-循环序列网络(RNN)
5-2 Coursera吴恩达《序列模型》 第二周课程笔记-自然语言处理和词嵌入
5-3 Coursera吴恩达《序列模型》 第三周课程笔记-序列模型和注意力机制
【人工智能行业大师访谈1】吴恩达采访 Geoffery Hinton
【人工智能行业大师访谈2】吴恩达采访 Pieter Abbeel
【人工智能行业大师访谈3】吴恩达采访 Ian Goodfellow
【人工智能行业大师访谈4】吴恩达采访Yoshua Bengio
【人工智能行业大师访谈5】吴恩达采访林元庆
【人工智能行业大师访谈6】吴恩达采访 Andrej Karpathy
【人工智能行业大师访谈7】吴恩达采访 Ruslan Salakhutdinov
说明:记录学习笔记,如果错误欢迎指正!写文章不易,转载请联系我。