最近吳恩達的deeplearning.ai課程新出，非常火，這是個deep learning專項課程，包含了5門課，現在開了3門，還要2門也會盡快上線。5門課程是

• l 課程1：Neural Networks and Deep Learning
• l 課程2：Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization
• l 課程3：Structuring Machine Learning Projects
• l 課程4：Convolutional Neural Networks：於soon開始
• l 課程5：Sequence Models：於soon開始

先簡單介紹下Neural Networks and Deep learning課程內容：安排的課時是4個星期，每週3-6小時，字幕主要是英文，極少量的繁體中文，作業包括4次選擇測試題，每次10題，答對8題過關；4次程式設計題，需要對神經網路的概念和邏輯清楚以後才能編碼，總的編碼量不大。

這一週在家休假，邊照看孩子邊學習，花了三天，後面的視訊不是每個都認真看了，主要是先看作業，按照自己的知識先做一遍，不懂的再去看課程視訊，以此提高效率，雖然有2天到夜裡1點多，但總算將這門課程的作業完成，等一個星期的ID認證完成就可以拿證了。

記得上次上課學習AI課程已經是在2010年左右，那時的教材是artificial intelligence a modern approach，當時人工神經網路尚未流行，介紹的篇幅也很少，當時流行的概念是智慧體、搜尋演算法、約束滿足問題求解、貝葉斯網路，SVM等。

由於2014年畢業工作以來，都在自學和研究機器學習、深度學習和計算機視覺方面的內容，並沒有上過相關的課程。藉著這次吳恩達的AI課程，是對自己以前的自學成果做一次測試和總結，準備將5門課程都系統學習一遍。

談談感受：

• l 課程製作非常用心，吳的講解很清晰、到位，包括知識點、程式設計技巧等
• l 吳採訪了Geoffrey Hinto、Pieter Abbeel、Ian Goodfellow非常有意思，值得一看
• l 內容講解的是深度學習的基礎和核心理論和方法，裡面的演算法(引數初始化、前向傳播、反向傳播、梯度計算、引數更新等)都是用python和numpy等實現，並非採用tensorflow、caffe或keras等現有框架實現。通過對其內部的理解，相信以後使用各種框架時會更加的高效和充滿自信
• l 程式設計工具Jupyter Notebook非常好用，每個函式編寫完成都有測試用例，可以執行測試編碼的正確性，完成以後一鍵提交，自動檢查答案非常迅速
• l 有待改進之處：開啟字幕時，字幕有時擋住了螢幕內容；有些字幕和語音同步不夠好；缺乏中文字幕。