# Deeplearning.ai深度学习教程中文笔记
课程概述
https://mooc.study.163.com/university/deeplearning_ai#/c
[**笔记在线阅读**](http://www.ai-start.com/dl2017)
这些课程专为已有一定基础(基本的编程知识,熟悉**Python**、对机器学习有基本了解),想要尝试进入人工智能领域的计算机专业人士准备。介绍显示:“深度学习是科技业最热门的技能之一,本课程将帮你掌握深度学习。”
在这5堂课中,学生将可以学习到深度学习的基础,学会构建神经网络,并用在包括吴恩达本人在内的多位业界顶尖专家指导下创建自己的机器学习项目。**Deep Learning Specialization**对卷积神经网络 (**CNN**)、递归神经网络 (**RNN**)、长短期记忆 (**LSTM**) 等深度学习常用的网络结构、工具和知识都有涉及。
课程中也会有很多实操项目,帮助学生更好地应用自己学到的深度学习技术,解决真实世界问题。这些项目将涵盖医疗、自动驾驶、和自然语言处理等时髦领域,以及音乐生成等等。**Coursera**上有一些特定方向和知识的资料,但一直没有比较全面、深入浅出的深度学习课程——《深度学习专业》的推出补上了这一空缺。
课程的语言是**Python**,使用的框架是**Google**开源的**TensorFlow**。最吸引人之处在于,课程导师就是吴恩达本人,两名助教均来自斯坦福计算机系。完成课程所需时间根据不同的学习进度,大约需要3-4个月左右。学生结课后,**Coursera**将授予他们**Deep Learning Specialization**结业证书。
“我们将帮助你掌握深度学习,理解如何应用深度学习,在人工智能业界开启你的职业生涯。”吴恩达在课程页面中提到。
本人黄海广博士,以前写过吴恩达老师的机器学习个人笔记。目前我正在组织团队整理中文笔记,由热心的朋友无偿帮忙制作整理,并持续更新。我们的团队的工作致力于**AI**在国内的推广,不会损害**Coursera**以及吴恩达老师的商业利益。
本人水平有限,如有公式、算法错误,请及时指出,发邮件给我。
**笔记是根据视频和字幕写的,没有技术含量,只需要专注和严谨。**
黄海广
[我的知乎](https://www.zhihu.com/people/fengdu78/activities)
机器学习qq群:955171419(我们有13个群,加过一个就不需要加了)
微信公众号:机器学习初学者 ![gongzhong](images/gongzhong.jpg)
[我的知乎](https://www.zhihu.com/people/fengdu78/)
**主要编写人员**:黄海广、林兴木(第四所有底稿,第五课第一二周,第三周前三节)、祝彦森:(第三课所有底稿)、贺志尧(第五课第三周底稿)、张笑钦、覃立波、王翔、胡瀚文、 余笑、 郑浩、李怀松、 朱越鹏、陈伟贺、 曹越、 路皓翔、邱牧宸、 唐天泽、 张浩、 陈志豪、 游忍、 泽霖、沈伟臣、 贾红顺、 时超、 陈哲、赵一帆、 胡潇杨、段希、于冲、张鑫倩
**参与编辑人员**:黄海广、陈康凯、石晴路、钟博彦、向伟、严凤龙、刘成 、贺志尧、段希、陈瑶、林家泳、王翔、 谢士晨、蒋鹏
2018-04-14
本课程视频教程地址(B站):https://www.bilibili.com/video/BV16r4y1Y7jv
[笔记网站(适合手机阅读)](http://www.ai-start.com)
吴恩达老师的机器学习课程笔记和视频:https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes
**此文档免费,请不要用于商业用途,可以自由传播。**
**赠人玫瑰,手有余香!**
haiguang2000@qq.com
**转载请注明出处**:https://github.com/fengdu78/deeplearning_ai_books
# 深度学习笔记目录
## 第一门课 神经网络和深度学习(Neural Networks and Deep Learning)
第一周:深度学习引言(Introduction to Deep Learning)
1.1 欢迎(Welcome)
1.2 什么是神经网络?(What is a Neural Network)
1.3 神经网络的监督学习(Supervised Learning with Neural Networks)
1.4 为什么神经网络会流行?(Why is Deep Learning taking off?)
1.5 关于本课程(About this Course)
1.6 课程资源(Course Resources)
1.7 Geoffery Hinton 专访(Geoffery Hinton interview)
第二周:神经网络的编程基础(Basics of Neural Network programming)
2.1 二分类(Binary Classification)
2.2 逻辑回归(Logistic Regression)
2.3 逻辑回归的代价函数(Logistic Regression Cost Function)
2.4 梯度下降(Gradient Descent)
2.5 导数(Derivatives)
2.6 更多的导数例子(More Derivative Examples)
2.7 计算图(Computation Graph)
2.8 计算图导数(Derivatives with a Computation Graph)
2.9 逻辑回归的梯度下降(Logistic Regression Gradient Descent)
2.10 梯度下降的例子(Gradient Descent on m Examples)
2.11 向量化(Vectorization)
2.12 更多的向量化例子(More Examples of Vectorization)
2.13 向量化逻辑回归(Vectorizing Logistic Regression)
2.14 向量化逻辑回归的梯度计算(Vectorizing Logistic Regression's Gradient)
2.15 Python中的广播机制(Broadcasting in Python)
2.16 关于 Python与numpy向量的使用(A note on python or numpy vectors)
2.17 Jupyter/iPython Notebooks快速入门(Quick tour of Jupyter/iPython Notebooks)
2.18 逻辑回归损失函数详解(Explanation of logistic regression cost function)
第三周:浅层神经网络(Shallow neural networks)
3.1 神经网络概述(Neural Network Overview)
3.2 神经网络的表示(Neural Network Representation)
3.3 计算一个神经网络的输出(Computing a Neural Network's output)
3.4 多样本向量化(Vectorizing across multiple examples)
3.5 向量化实现的解释(Justification for vectorized implementation)
3.6 激活函数(Activation functions)
3.7 为什么需要非线性激活函数?(why need a nonlinear activation function?)
3.8 激活函数的导数(Derivatives of activation functions)
3.9 神经网络的梯度下降(Gradient descent for neural networks)
3.10(选修)直观理解反向传播(Backpropagation intuition)
3.11 随机初始化(Random+Initialization)
第四周:深层神经网络(Deep Neural Networks)
4.1 深层神经网络(Deep L-layer neural network)
4.2 前向传播和反向传播(Forward and backward propagation)
4.3 深层网络中的前向和反向传播(Forward propagation in a Deep Network)
4.4 核对矩阵的维数(Getting your matrix dimensions right)
4.5 为什么使用深层表示?(Why deep representations?)
4.6 搭建神经网络块(Building blocks of deep neural networks)
4.7 参数VS超参数(Parameters vs Hyperparameters)
4.8 深度学习和大脑的关联性(What does this have to do with the brain?)
## 第二门课 改善深层神经网络:超参数调试、正则化以及优化(Improving Deep Neural Networks:Hyperparameter tuning, Regularization and Optimization)
第一周:深度学习的实用层面(Practical aspects of Deep Learning)
1.1 训练,验证,测试集(Train / Dev / Test sets)
1.2 偏差,方差(Bias /Variance)
1.3 机器学习基础(Basic Recipe for Machine Learning)
1.4 正则化(Regularization)
1.5 为什么正则化有利于预防过拟合呢?(Why regularization reduces overfitting?)
1.6 dropout 正则化(Dropout Regularization)
1.7 理解 dropout(Understanding Dropout)
1.8 其他正则化方法(Other regularization methods)
1.9 标准化输入(Normalizing inputs)
1.10 梯度消失/梯度爆炸(Vanishing / Exploding gradients)
1.11 神经网络的权重初始化(Weight Initialization for Deep NetworksVanishing /Exploding gradients)
1.12 梯度的数值逼近(Numerical approximation of gradients)
1.13 梯度检验(Gradient checking)
1.14 梯度检验应用的注意�
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
吴恩达深度学习课程大佬们的笔记 (1065个子文件)
.gitignore 5B
math.html 4.21MB
lesson1-week2.html 2.65MB
lesson5-week1.html 1.68MB
lesson2-week3.html 1.48MB
lesson1-week3.html 1.41MB
lesson2-week1.html 1.29MB
lesson2-week2.html 1.27MB
lesson4-week4.html 1.02MB
lesson5-week2.html 889KB
lesson4-week1.html 808KB
lesson4-week3.html 739KB
lesson1-week4.html 675KB
lesson5-week3.html 645KB
lesson3-week2.html 368KB
lesson4-week2.html 350KB
lesson3-week1.html 325KB
notation.html 176KB
interview.html 133KB
lesson1-week1.html 91KB
SUMMARY.html 32KB
README.html 21KB
14d6a403472dd79bdab9f7bd8e74bf75.jpg 64KB
6403f00e5844c3100f4aa9ff043e2319.jpg 44KB
505663d02e8120e30c3d8405f31a8497.jpg 34KB
L1_week3_9.jpg 30KB
dd9dc6d164ca059f7996a6cbf58997a5.jpg 27KB
03f5f96177ab15d5ead8298ba50300ac.jpg 26KB
08a2f8fea114cbc35c70d45d03a34d52.jpg 22KB
cbd5ff8c461fcb5a699c4ec4789687b3.jpg 17KB
fe20e8766346d4e8d212e792888dd6fb.jpg 14KB
bb909b874b2865e66eaf9a5d18cc00e5.jpg 11KB
cbow.jpg 11KB
skipgram.jpg 11KB
c5eda5608fd2f4d846559ed8e89ed33c.jpg 11KB
1b79cca8e1902f0ee24b4eb966755ddd.jpg 11KB
0ad6c298d0ac25ca9b26546bb06d462c.jpg 11KB
a3c81d2c8629d674141def47dc02f312.jpg 11KB
4fb3b91114ecb2cd81ec9f3662434d81.jpg 8KB
6cdef1989a113fc1caaaaf6ebaaa3549.jpg 7KB
zhishixingqiu1.jpg 7KB
27be50001e7a91bd2abaaeaf7aba7cd4.jpg 7KB
gongzhong.jpg 7KB
21541fc771ad8895c18d292dd4734fe7.jpg 6KB
5300d40870ec58cb0b8162747b9559b9.jpg 6KB
579fb3957063480420c6a7d294503e97.jpg 6KB
af11ecd5d72c85f777592f8660678ce6.jpg 5KB
60cc674531ac72b2d75b0c447db95e96.jpg 3KB
236774be30d12524a2002c3c484d22d5.jpg 3KB
interview.md 108KB
lesson3-week2.md 93KB
lesson5-week1.md 88KB
lesson1-week2.md 87KB
lesson5-week2.md 84KB
lesson2-week1.md 80KB
lesson2-week3.md 79KB
lesson5-week3.md 79KB
lesson4-week2.md 75KB
lesson4-week1.md 75KB
lesson3-week1.md 69KB
lesson4-week3.md 64KB
lesson4-week4.md 62KB
lesson2-week2.md 54KB
math.md 47KB
lesson1-week3.md 46KB
lesson1-week4.md 30KB
lesson1-week1.md 29KB
README.md 16KB
SUMMARY.md 13KB
README.md 4KB
notation.md 2KB
README.md 1KB
README.md 342B
README.md 174B
Deeplearning深度学习笔记v5.72.pdf 21.71MB
Coursera Deep Learning course Notes.pdf 19.13MB
Ren 等。 - 2015 - Faster R-CNN towards real-time object detection w.pdf 6.59MB
Gatys 等。 - 2015 - A Neural Algorithm of Artistic Style.pdf 5.83MB
Uijlings 等。 - 2013 - Selective Search for Object Recognition.pdf 5.66MB
Redmon 等。 - 2015 - You Only Look Once Unified, Real-Time Object Dete.pdf 5.05MB
Redmon 和 Farhadi - 2016 - YOLO9000 Better, Faster, Stronger.pdf 5.01MB
Schroff 等。 - 2015 - FaceNet A Unified Embedding for Face Recognition .pdf 4.49MB
Girshick 等。 - 2014 - Rich Feature Hierarchies for Accurate Object Detec.pdf 2.63MB
Farhadi - YOLOv3 An Incremental Improvement.pdf 2.29MB
Zeiler 和 Fergus - 2014 - Visualizing and Understanding Convolutional Networ.pdf 2.25MB
deepface-closing-the-gap-to-human-level-performance-in-face-verification.pdf 1.98MB
He 等。 - 2016 - Identity Mappings in Deep Residual Networks.pdf 1.1MB
Sermanet 等。 - 2013 - Overfeat Integrated recognition, localization and.pdf 1.03MB
He 等。 - 2015 - Deep Residual Learning for Image Recognition.pdf 800KB
Bolukbasi 等。 - Man is to Computer Programmer as Woman is to Homem.pdf 754KB
Girshick - 2015 - Fast r-cnn.pdf 714KB
Chung 等。 - 2014 - Empirical Evaluation of Gated Recurrent Neural Net.pdf 668KB
Kingma 和 Ba - 2014 - Adam A Method for Stochastic Optimization.pdf 571KB
Hochreiter 和 Schmidhuber - 1997 - Long Short-Term Memory.pdf 440KB
Papineni 等。 - 2001 - BLEU a method for automatic evaluation of machine.pdf 307KB
Cho 等。 - 2014 - On the Properties of Neural Machine Translation E.pdf 303KB
Graves 等。 - 2006 - Connectionist temporal classification labelling u.pdf 300KB
Mikolov 等。 - 2013 - Efficient Estimation of Word Representations in Ve.pdf 246KB
Daumé - 2009 - Unsupervised search-based structured prediction.pdf 228KB
Simonyan 和 Zisserman - 2014 - Very Deep Convolutional Networks for Large-Scale I.pdf 195KB
共 1065 条
- 1
- 2
- 3
- 4
- 5
- 6
- 11
资源评论
L林N
- 粉丝: 4354
- 资源: 5
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- HM2305B-VB一款P-Channel沟道SOT23的MOSFET晶体管参数介绍与应用说明
- 基于52单片机、ADC0832、LCD1602、两个74HC393和一个74HC08的频率测量计 不能用,请私我
- HM2302-VB一款N-Channel沟道SOT23的MOSFET晶体管参数介绍与应用说明
- python实战项目-学生成绩管理系统(基础版)
- 微信小程序源码 实现查公交 滴滴公交 app 源码下载
- HM2302E-VB一款N-Channel沟道SOT23的MOSFET晶体管参数介绍与应用说明
- 基于C#图片相似度比较,感知哈希算法
- VR开发的概要介绍与分析
- 自动驾驶定位系列教程七:点云畸变补偿.pdf
- HM2302D-VB一款N-Channel沟道SOT23的MOSFET晶体管参数介绍与应用说明
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功