吴恩达《深度学习》课程介绍
主要介绍吴恩达《深度学习》课程的内容
·
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
更多推荐
已为社区贡献1条内容
所有评论(0)