吴恩达Coursera(DeepLearning.ai)笔记和作业汇总帖
title: 吴恩达Coursera()笔记和作业汇总帖 date: 2018-10-18 20:01:05 id: dl-ai-summary tags:
-
categories: 汇总帖
吴恩达Coursera()笔记和作业汇总。
历时一个多月终于把NG的五门课全部学完并且做了作业和笔记了。这里汇总一下：
第一门课：神经网络和深度学习
主要讲了神经网络的基本概念，以及机器学习的梯度下降法，向量化，而后进入了浅层和深层神经网络的实现。
-
前两周太简单了，在之前的机器学习课上NG全部都讲过了，这里就不做了。 第三周：主要是浅层神经网络的实现 笔记： 作业： 第四周：深层神经网络的实现 笔记： 作业：
第二门课：改善神经网络
介绍了改善神经网络的方法，如正则化，超参数调节，优化算法等。
-
第一周：训练集的划分、正则化、dropout 笔记： 作业： 第二周：Mini-batch、Momentum、RMS、Adam、学习率衰减 笔记： 作业： 第三周：超参数的调试、BatchNorm、softmax 笔记： 作业：
第三门课：结构化机器学习项目
主要讲了机器学习中的一些策略。
-
第一周：ML策略、正交化、优化指标、数据集的划分、偏差 笔记： 第二周：误差分析、数据不同分布、迁移学习、多任务、端到端 笔记：
第四门课：卷积神经网络
主要讲了神经网络的在图像上的非常重要的应用，卷积神经网络。
-
第一周：padding、步长、池化、卷积 笔记： 作业： 第二周：一些重要的神经网络结构，VGG、ResNet、Inception等 笔记： 作业： 第三周：目标检测、Bounding Box、IOU、NMS 笔记： 作业： 第四周：人脸识别和神经风格转换 笔记： 作业：
第五门课：序列模型
主要讲了神经网络在语言领域的应用，用RNN模型
-
第一周：介绍了基本的RNN、GRU、LSTM 笔记： 作业：、、 第二周：自然语言处理与词嵌入 笔记： 作业： 第三周：序列模型和注意力机制 笔记： 作业：
