AI教程

DeepLearning学习指南

本指南内含吴恩达的DeepLearning课程介绍、学习资料整合、学习建议等内容。本课是萌新入门深度学习的不二之选。

1. 课程介绍

  • 课程名称:DeepLearning
  • 课程教师:吴恩达
  • 课程内容:神经网络、项目实战、图像处理、自然语言处理
  • 前置知识:高中导数知识、线性代数基础知识
  • 课程难度:简单,推荐新人学习
  • 知识清单:神经网络、项目实战、图像处理、自然语言处理
  • 课程特点:通俗易懂,兼顾数学基础与代码实战
  • 适用人群:本科及以上人群

2. 资料整合

3. 学习建议

3.1 课程涉及内容

DeepLearning是一个系列的课程,内含5门课,每门课需要2-4周的学习时间。

这五门课分别为:

  • 1. 神经网络基础知识
  • 2. 神经网络进阶知识
  • 3. 深度学习项目分析
  • 4. 卷积神经网络(图像)
  • 5. 循环神经网络(自然语言)

如果速刷(观看视频+编写课程代码作业)每门课2-3天可学完。

但笔者不推荐速刷。推荐读者按着自己的学习速度,将前三门课连续学完为佳。第四、五门课根据个人需求,选择性学习。从事图像领域则学习第四门,自然语言处理则学习第五门。

3.2 我想快速入门,应该学习哪些内容?

前三门课程必学。根据个人所需要研究的领域选择性学习图像处理(CNN卷积网络)和自然语言处理(RNN循环神经网络)。第三门课可以放在最后在学。

则,图像处理方向学习步骤为1,2,4,3;自然语言处理方向学习步骤为1,2,5,3

3.3 我之后应该学习那些课程?

  • 图像领域 CS231N
  • 自然语言处理 CS224N
  • 强化学习 CS294-122

笔者已学完本课全部内容,读者若有对本课知识不懂的地方,欢迎在微信公众号“技术杂学铺”中留言讨论。

4 thoughts on “DeepLearning学习指南
发表回复