重磅！吳恩達深度學習又開新課啦！
說起吳恩達「Andrew Ng」，相信大家都非常熟悉了。作為人工智慧的大 IP，吳恩達一直致力於人工智慧的推廣和普及，爭取讓每個人都能感受人工智慧的魅力。自去年8月開始，吳恩達在 Coursera 上開設了由 5 門課組成的深度學習專項課程，掀起了一股人工智慧深度學習熱潮。這裡附上deeplearning.ai的官網：
這個系列的專項課程質量很高，紅色石頭也完整地學完這五門課，並系統地將所有的知識點以筆記的形式記錄下來，希望能給大家帶來一些幫助。所有筆記的彙總如下：
還沒結束！大牛是停不下腳步的。最近，吳恩達在斯坦福大學又開設了高質量的深度學習課程 CS230。這門課的主頁是：
關於這門課的描述為：
深度學習是 AI 領域最受歡迎的技能之一。我們將幫助你學好深度學習。在這門課中，你將學習深度學習的基礎，理解如何構建神經網路，並且學習如何領導一個成功的機器學習專案。你將學習卷積神經網路、RNNs、LSTM、Adam、Dropout、BatchNorm、Xavier/He 初始化等等。你將從醫療保健、自動駕駛、手語閱讀、音樂生成和自然語言處理等方面進行案例研究。你不僅能掌握理論知識，還能知道它如何應用到工業領域。所有的這些想法你都可以使用 Python 和 TensorFlow 實現，而這正是我們要教你的。學完這門課，你很可能會發現一些創造性的方法應用到你的工作中。這門課採用翻轉課堂的教學形式，你可以在家觀看教學視訊，完成深度程式設計作業和線上測試，然後來到課程做進一步討論並完成專案。這門課將以一個開放式的最終專案作為結束，此過程中教學團隊會提供一些幫助。
這門課最好具備以下基礎知識：
掌握基本的電腦科學原理和技能，有足夠能力寫出一個合理且較複雜的計算機程式。
掌握基本的概率論（CS 109 或 STATS 116）。
掌握基本的線性代數（Math 104，Math 113，CS 205 三者選其一）。
這門課的教課形式比較新穎，採用課堂線下授課和 Coursera 線上學習相結合的方式。簡單來說，就是在 Coursera 上觀看教學視訊，線上測試和提交程式設計作業。線下在課堂裡學習課程其它資料、討論，並最終完成一個開放式的專案。這裡所說的 Coursera 上的教學視訊就是 deeplearning.ai 專項課程的 5 門課的視訊，線上測試和程式設計作業也對應在專項課程中。之前做過的同學掌握這門課會更加輕鬆。即使做過，也建議重新做一次，鞏固知識點，而且最後的專案才是重點。
CS230 總共包含 5 門課，課程內容分佈大致與 deeplearning.ai 一致，但是內容也有改動和擴充套件：
1. 神經網路與深度學習
第一門課主要介紹了神經網路和深度學習的基礎。主要在課堂內介紹了深度學習的直觀概念，並藉助兩個模組從頭開始學習神經網路到底是什麼。
2. 提高深度神經網路：超引數除錯、正則化和優化
第二門課主要介紹深度學習模型的內部數學結構，從淺層網路逐步過渡到深度網路，理解「深度」的重要意義。掌握了這些概念之後，對於如何從零開始構建深度學習網路，能有一個基本的思路。
然後是深度模型的優化或調參技巧，例如初始化、正則化、資料集劃分、Dropout、歸一化、梯度檢查等，和各種經典的學習率衰減方法，如動量演算法、Adam 等。
3. 構建機器學習專案
第三門課主要介紹結構化機器學習專案。基礎部分涉及超引數調整、批規一化方法等，以及深度學習框架（如 TensorFlow、PyTorch）的應用。然後是機器學習策略，包括垂直化調參、評估指標設定、資料集劃分等。
4. 卷積神經網路
這門課主要介紹卷積神經網路，卷積神經網路主要用於處理空間型資料，如影象、視訊等，因此在計算機視覺中應用甚廣。在這一部分課程期間有一個期中測驗，可以幫助你重溫之前學習過的內容。
CNN 的基礎部分涉及卷積運算、步幅、池化等，然後進一步介紹了幾個經典的 CNN 架構，如 LeNet-5、AlexNet、VGG、ResNet、Inception 等。之後給出了幾個 CNN 開發過程中的建議，涉及遷移學習、資料增強等。最後介紹了 CNN 領域的當前研究現狀。
5. 序列模型
這門課主要介紹序列模型。序列模型主要用於處理序列型資料，如音樂、語音、文字等。序列模型主要以迴圈神經網路為代表，本課將介紹 RNN 的基礎結構、型別、計算過程等，並以語言建模作為典型案例進行分析。之後是一些著名的 RNN 變體，例如 GRU、LSTM、雙向 RNN、深度 RNN 等。
CS230 最後的課程專案：
CS230 的主要目標之一就是幫你把機器學習演算法應用到實際任務中，或者讓你具備良好的條件來進行機器學習和 AI 研究。最後一個專案的目的是讓你從這些方向開始。
可喜的是，目前 CS230 的專案報告與 Poster 展示都已經發布。包含多種主題，如音樂生成、情緒檢測、電影情感分類、癌症檢測等。最終專案和 Poster 排名前三的名單已經公佈：
當然，專案提交數目有很多，感興趣的同學可以看看：
CS230 課程資料獲取：
關於這門課所有的課程資料 pdf 檔案，包括最終專案等檔案，已經幫大家收集好啦。獲取方式很簡單，只要在微信公眾號：AI 有道（ID：redstonewill）後臺回覆：CS230 即可！
總結：
這門課呢，我比較看重的是最終的專案，通過實際專案能幫助你鞏固所學的知識，提升實踐操作能力，這是相當重要的。最後呢，希望大家都能從中鞏固深度學習理論知識，提高解決實際問題的能力！
