Coursera-Deep Learning Specialization 课程之（一）：Neural Networks and Deep Learning-weak2

weak2目录:
Logistic Regression as a Neural Network
Python and Vectorization
编程作业：
1. Python Basics with numpy (optional)
2. Logistic Regression with a Neural Network mindset

学习目标：
建立浅层神经网络的logistic回归模型
掌握机器学习算法的主要步骤，包括预测、导数计算以及梯度下降
了解如何使用反向传播思想计算logistic回归的导数
熟悉Python and Numpy
使用iPython Notebooks工作
能够实现跨多个训练样本的矢量化

课程内容之Logistic Regression as a Neural Network
Binary classification（二分类）、Logistic Regression、Logistic Regression损失函数
梯度下降、导数、Computation graph（计算图）及求导、LogisticRegression梯度下降
课程内容之Python and Vectorization
矢量化Logistic Regression、矢量化Logistic Regression梯度、Brocasting、logistic 回归代价函数的解释
编程作业（后续完成）
1. Python 基础(optional)
2. Logistic Regression with a Neural Network mindset