Tom
ABC
Always Be Curious
简报
文章
热榜
论文故事
系列
探索实践
← 所有系列
Deep Learning Specialization — 深度学习专项课程
吴恩达深度学习专项课程(deeplearning.ai)完整学习笔记。涵盖神经网络、CNN、RNN 等核心深度学习技术,183 讲双语字幕。
13 集
含音频
第 1 课
Course 1:神经网络与深度学习基础
学习神经网络的数学基础与搭建方法,理解逻辑回归、梯度下降、向量化等核心概念。
第 2 课
Course 1:深层神经网络
从浅层到深层网络,理解激活函数选择、参数初始化、正则化等工程实践。
第 3 课
Course 2:超参数调优与正则化
掌握 Dropout、Batch Norm、超参数搜索策略,提升模型泛化能力。
第 4 课
Course 2:优化算法
Momentum、RMSProp、Adam 等优化器原理与选择策略。
第 5 课
Course 3:机器学习策略(上)
学习误差分析、偏差方差权衡、正交化等系统化 ML 方法论。
第 6 课
Course 3:机器学习策略(下)
迁移学习、多任务学习、端到端学习等高级项目设计策略。
第 7 课
Course 4:卷积神经网络基础
卷积运算、Padding、Stride、Pooling 等 CNN 核心组件。
第 8 课
Course 4:经典 CNN 架构
LeNet、AlexNet、VGG、ResNet、Inception 等里程碑式架构。
第 9 课
Course 4:目标检测与分割
YOLO、SSD、语义分割等视觉检测技术。
第 10 课
Course 4:人脸识别与神经风格迁移
Siamese 网络、Triplet Loss、神经风格迁移原理。
第 11 课
Course 5:循环神经网络基础
RNN、GRU、LSTM 原理与文本处理应用。
第 12 课
Course 5:自然语言处理与注意力机制
Word Embeddings、Seq2Seq、Attention、Transformer 简介。
第 13 课
Course 5:语音识别与生成
CTC 算法、WaveNet、TTS 等语音技术入门。