第一课 神经网络和深度学习 Neural Network and Deep Learning
第二课 改善深层神经网络:超参数调试、正则化以及优化 Improving Deep Neural Networks Hyperparameter tuning, Regularization and Optimization
- 第一周 深度学习的实用层面 Practical aspects of deep learning
- 第二周 优化算法 Optimization Algorithms
- 第三周 超参数调试、Batch正则化和程序框架 Hyperparameter tuning, Batch Normalization,Programming Frameworks
第三课 结构化机器学习项目 Structuring Machine Learning Projects
- 第一周 机器学习策略(1)Introduction to ML strategy(1)
- 正交,评估指标(优先/满足),训练/开发/测试集划分,人类表现/可避免偏差
- 第二周 机器学习策略(2)Introduction to ML strategy(2)
- 误差分析,标准错误数据,数据划分(训练/测试,偏差/方差,不匹配),迁移学习,多任务学习,端到端学习
第四课 卷积神经网络 Convolutional Neural Networks Computer vision
- 第一周 卷积神经网络 Convolutional Neural Networks Computer vision
- 计算机视觉,边缘检测,填充,步长,卷积神经网络(卷积层和池化层)
- 编程1 Convolution model - Step by Step-利用numpy构筑卷积神经网络
- 编程2 Convolution model - Application-利用tensorflow构筑卷积神经网络
- 第二周 深度卷积网络:实例探究 Case Studies
- 经典网络/残差网络/Inception 网络/1+1卷积/开源方案/迁移学习/数据扩充
- 编程1 Keras tutorial - the Happy House
- 编程2 Residual Networks-残差网络
- 第三周 深度卷积网络:目标检测 Object Detection
- 目标定位/特征点检测/目标检测/卷积滑动窗口/Bounding Box预测–YOLO算法-Anchor Boxes锚框/交并比/非极大值抑制/区域生成网络RPN
- 编程 Car detection自动驾驶-汽车识别YOLO
- 第四周 人脸识别和神经风格转换 Face recognition and Neural style transfer
- One-Shot 学习/Siamese 网络/三元组损失函数/人脸验证/神经风格转换/深度卷积网络/内容、风格代价函数/一维到三维推广
- 编程1 Face Recognition for the Happy House人脸识别
- 编程2 Neural Style Transfer神经风格转换
第五课 序列模型 Sequence Models
- 第一周 循环序列模型 Recurrent Neural Networks
- RNN/通过时间的反向传播/语言模型和序列生成/门单元/LSTM/双向RNN/深层RNN
- 编程1 Building your Recurrent Neural Network - Step by Step一步一步搭建RNN
- 编程2 Character level language model-Dinosaurus Island 字符级语言模型-恐龙岛
- 第二周 自然语言处理与词嵌入NLP and Word Embeddings
- 词汇表征/词嵌入/Word2Vec/负采样/GloVe 词向量/情绪分类/消除词嵌入偏差Debiasing
- 编程1 Operations on word vectors 词向量运算-含UnicodeDecodeError解决
- 编程2 Emojify 表情生成器
- 第三周 序列模型和注意力机制Sequence to sequence models
- 基础模型/选择可能的句子/定向搜索/注意力模型/语音辨识/触发字检测
- 编程1 Neural Machine Translation 神经机器翻译