随着lecture10的结束,标志着CS230到Coursera上deeplearning.ai专项课程的所有编程作业的完成,中途虽然进度比较慢,也曾遇到很多困难,但是收获满满,也找到了自己比较感兴趣的方向,这一阶段暂时可以告一段落。所以这里做一个总结性的目录,以后可以方便随时回顾和查看:
注:所有编程作业都是在TensorFlow2.1 CPU、Python3.7下实现的。因此可能会有很多地方和原本官方作业提供的不太一样,但是都是一些理解性的修改。
笔记和作业目录:
注:lecture 10只有一个50分钟的视频讲座,因此没有单独列出来。这里C代表课程,一共五个子课程,M表示模块,每个课程分了几周完成,一周一个模块。例如C1M2表示第一个课程《神经网络与深度学习》的第二周的那个模块Neural Networks Basics。
CS230 | 主要内容 |
|
---|---|---|
lecture 1 | 用神经网络来看逻辑回归 | C1M1: Introduction to deep learning C1M2: Neural Network Basics |
lecture 2 | 手动搭建DNN | C1M3: Shallow Neural Network C1M4: Deep Neural Networks |
lecture 3 | 调参、正则化和优化算法 | C2M1: Practical aspects of deep learning C2M2: Optimization algorithms |
lecture 4 | BN、迁移学习、TensorFlow2.1等 | C2M3: Hyperparameter Tuning, Batch Normalization C3M1: ML Strategy (1) C3M2: ML Strategy (2) |
lecture 5 | 卷积神经网络 | C4M1: Foundations of Convolutional Neural Network C4M2: Deep Convolutional Models |
lecture 6 | 目标检测、人脸识别和神经风格迁移 | C4M3: ConvNets Applications (1) C4M4: ConvNets Applications (2) |
lecture 7 | 序列模型 | C5M1: Recurrent Neural Networks |
lecture 8 | 词嵌入与文本情感分析 | C5M2: Natural Language Processing and Word Embeddings |
lecture 9 | 注意力机制和触发词检测 | C5M3: Sequence-to-Sequence Models |
所有课程、资料来源:课程连接、资料来源、作业参考等