Neural Networks and Deep learning 學(xué)習(xí)筆記 0. 課程介紹

課程介紹

If you want to break into cutting-edge AI, this course will help you do so. Deep learning engineers are highly sought after, and mastering deep learning will give you numerous new career opportunities. Deep learning is also a new "superpower" that will let you build AI systems that just weren't possible a few years ago. In this course, you will learn the foundations of deep learning. When you finish this class, you will: - Understand the major technology trends driving Deep Learning - Be able to build, train and apply fully connected deep neural networks - Know how to implement efficient (vectorized) neural networks - Understand the key parameters in a neural network's architecture. This course also teaches you how Deep Learning actually works, rather than presenting only a cursory or surface-level description. So after completing it, you will be able to apply deep learning to a your own applications. If you are looking for a job in AI, after this course you will also be able to answer basic interview questions. This is the first course of the Deep Learning Specialization.

教授 Andrew Ng

Co-founder, Coursera; Adjunct Professor, Stanford University; formerly head of Baidu AI Group/Google Brain

為什么

If you want to break into cutting-edge AI, this course will help you do so.
為什么要學(xué):進入前沿的AI領(lǐng)域。
Deep learning engineers are highly sought after, and mastering deep learning will give you numerous new career opportunities.
為什么要學(xué):Deep learning受歡迎隙咸,學(xué)好它能獲得新的工作機會卤唉。
Deep learning is also a new "superpower" that will let you build AI systems that just weren't possible a few years ago.
Deep learning能做什么:超級力量,建立起以前不可能做到的AI系統(tǒng)嫂侍。

能學(xué)到什么

In this course, you will learn the foundations of deep learning.
在這門課程里当叭,你能學(xué)到什么:深度學(xué)習(xí)的基礎(chǔ)破喻。
When you finish this class, you will:
- Understand the major technology trends driving Deep Learning
理解驅(qū)動DL的主要技術(shù)趨勢
- Be able to build, train and apply fully connected deep neural networks
能夠建立、訓(xùn)練曼尊、應(yīng)用全面連接的深度學(xué)習(xí)網(wǎng)絡(luò)
- Know how to implement efficient (vectorized) neural networks
知道如何實踐有效的神經(jīng)網(wǎng)絡(luò)
- Understand the key parameters in a neural network's architecture.
理解一個神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的關(guān)鍵參數(shù)
This course also teaches you how Deep Learning actually works, rather than presenting only a cursory or surface-level description.
教你深度學(xué)習(xí)是如何工作的酬诀,并不是草草的淺顯的描述。

學(xué)完后能獲得什么

So after completing it, you will be able to apply deep learning to a your own applications.
能夠?qū)⑸疃葘W(xué)習(xí)應(yīng)用到你自己的應(yīng)用中骆撇。
If you are looking for a job in AI, after this course you will also be able to answer basic interview questions.
對找工作的幫助:回答基本的面試問題瞒御。
This is the first course of the Deep Learning Specialization.
專項課程的第一門課。
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末神郊,一起剝皮案震驚了整個濱河市葵腹,隨后出現(xiàn)的幾起案子高每,更是在濱河造成了極大的恐慌,老刑警劉巖践宴,帶你破解...
    沈念sama閱讀 212,454評論 6 493
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件鲸匿,死亡現(xiàn)場離奇詭異,居然都是意外死亡阻肩,警方通過查閱死者的電腦和手機带欢,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,553評論 3 385
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來烤惊,“玉大人乔煞,你說我怎么就攤上這事∑馐遥” “怎么了渡贾?”我有些...
    開封第一講書人閱讀 157,921評論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長雄右。 經(jīng)常有香客問我空骚,道長,這世上最難降的妖魔是什么擂仍? 我笑而不...
    開封第一講書人閱讀 56,648評論 1 284
  • 正文 為了忘掉前任囤屹,我火速辦了婚禮,結(jié)果婚禮上逢渔,老公的妹妹穿的比我還像新娘肋坚。我一直安慰自己,他們只是感情好肃廓,可當(dāng)我...
    茶點故事閱讀 65,770評論 6 386
  • 文/花漫 我一把揭開白布智厌。 她就那樣靜靜地躺著,像睡著了一般盲赊。 火紅的嫁衣襯著肌膚如雪峦剔。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,950評論 1 291
  • 那天角钩,我揣著相機與錄音,去河邊找鬼呻澜。 笑死递礼,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的羹幸。 我是一名探鬼主播脊髓,決...
    沈念sama閱讀 39,090評論 3 410
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼栅受!你這毒婦竟也來了将硝?” 一聲冷哼從身側(cè)響起恭朗,我...
    開封第一講書人閱讀 37,817評論 0 268
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎依疼,沒想到半個月后痰腮,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,275評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡律罢,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,592評論 2 327
  • 正文 我和宋清朗相戀三年膀值,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片误辑。...
    茶點故事閱讀 38,724評論 1 341
  • 序言:一個原本活蹦亂跳的男人離奇死亡沧踏,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出巾钉,到底是詐尸還是另有隱情翘狱,我是刑警寧澤,帶...
    沈念sama閱讀 34,409評論 4 333
  • 正文 年R本政府宣布砰苍,位于F島的核電站潦匈,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏师骗。R本人自食惡果不足惜历等,卻給世界環(huán)境...
    茶點故事閱讀 40,052評論 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望辟癌。 院中可真熱鬧寒屯,春花似錦、人聲如沸黍少。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,815評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽厂置。三九已至菩掏,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間昵济,已是汗流浹背智绸。 一陣腳步聲響...
    開封第一講書人閱讀 32,043評論 1 266
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留访忿,地道東北人瞧栗。 一個月前我還...
    沈念sama閱讀 46,503評論 2 361
  • 正文 我出身青樓,卻偏偏與公主長得像海铆,于是被迫代替她去往敵國和親迹恐。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,627評論 2 350

推薦閱讀更多精彩內(nèi)容