Convolutional Neural Networks (week1) - CNN

  • 理解如何搭建一个神经网络,包括最新的变体,例如残余网络。
  • 知道如何将卷积网络应用到视觉检测和识别任务。
  • 知道如何使用神经风格迁移生成艺术。
  • 能够在图像、视频以及其他2D或3D数据上应用这些算法。

Read More

Structured Machine Learning Projects (week1) - ML Strategy 1

这次我们要学习专项课程中第三门课 Structured Machine Learning Projects

学完这门课之后,你将会:

  • 理解如何诊断机器学习系统中的错误
  • 能够优先减小误差最有效的方向
  • 理解复杂ML设定,例如训练/测试集不匹配,比较并/或超过人的表现
  • 知道如何应用端到端学习、迁移学习以及多任务学习

很多团队浪费数月甚至数年来理解这门课所教授的准则,也就是说,这门两周的课可以为你节约数月的时间

Read More

Improving Deep Neural Networks (week1) - 深度学习的实用层面

这次我们要学习专项课程中第二门课 Improving Deep Neural Networks

学完这门课之后,你将会:

  • 能够高效地使用神经网络通用的技巧,包括 初始化、L2和dropout正则化、Batch归一化、梯度检验
  • 能够实现并应用各种优化算法,例如 Mini-batch、Momentum、RMSprop、Adam,并检查它们的收敛程度
  • 理解深度学习时代关于如何 构建训练/开发/测试集 以及 偏差/方差分析 最新最有效的方法.
  • 能够用TensorFlow实现一个神经网络

这门课将会详尽地介绍深度学习的基本原理,而不仅仅只进行理论概述.

Read More