Andrew NG Notes

Andrew Ng Notes Collection

这是Coursera深度学习专业的第一课程，该课程由DeepLearning.AI主持。该课程由Andrew Ng教授。

Andrew Ng机器学习笔记本：阅读

深度学习专业化注释：阅读

SR	文章阅读
1。	神经网络深度学习
2。	改善深度学习网络
3。	ML项目的结构
4。	卷积神经网络
5。	序列模型

高级	MOOC讲座链接
1。	机器学习由Andrew-ng
	深度学习系列
1。	神经网络和深度学习
2。	改善深度神经网络：超参数调整，正则化和优化
3。	结构机器学习项目
4。	卷积神经网络
5。	序列模型
6。	CS230：深度学习| 2018年秋季

1.神经网络深度学习

• 此笔记给您简要介绍：
  • 什么是神经网络？它是如何工作的？
  • 使用神经网络监督学习
  • 浅神经网络设计
  • 深神经网络
• 笔记本：
• 第1周 -深度学习简介
• 第2周 -神经网络基础知识
• 第3周 -浅神经网络
• 第4周 -深神经网络

2改善深度学习网络

• 此笔记给您介绍：
  • 深度学习的实际方面
  • 优化算法
  • 超参数调整，批处理标准化和编程框架
• 笔记本：
  • 第1周 -深度学习的实际方面
    • 设置机器学习应用程序
    • 正规化神经网络
    • 设置优化问题
  • 第二周 -优化算法
  • Week3-高参数调整，批处理标准化和编程框架

3.结构ML项目

• 在此注释中，您可以了解如何构建机器学习项目：
  • 为什么要ML结构？
  • 错误分析
• 笔记本：
  • 第1周 - ML策略简介
    • 设定目标
    • 与人类水平的表现相比
  • 第2周-ML策略（2）
    • 错误分析
    • 不匹配的培训和开发/测试集
    • 从多个任务中学习
    • 端到端的深度学习

4.卷积神经网络

• 图像和内核之间的矩阵乘法称为卷积操作

• 在此注释中，您可以了解简短的体系结构CNN：
  • CNN的基础
  • 深度卷积模型：案例研究
  • 对象检测
  • 特殊应用：面部识别和神经风格转移
• 笔记本：
• 第1周 -卷积神经网络的基础
• 第二周 -深卷积模型：案例研究
  • 阅读论文：
    • 具有深卷积神经网络的Imagenet分类
    • 非常深的卷积网络，用于大规模图像识别
• 第3周 -对象检测
  • 阅读论文：
    • 您只看一次：统一的实时对象检测
    • YOLO
• 第4周 -特殊应用：面部识别和神经风格转移
  • 阅读论文：
    • 深面（笔记本）
    • 面部
    • 神经风格转移

5.序列模型

---

• Vanila RNN

• LSTM

• gru

• 在本节中，您可以了解序列学习的顺序

  • 复发性神经网络
  • 自然语言处理和单词嵌入
  • 序列模型和注意机制

• 笔记本：

  • 第1周 -复发性神经网络
  • 第二周 -自然语言处理和单词嵌入
  • 第3周 -序列模型和注意机制

感谢您的阅读....快乐学习... ！！！