跳到主要内容
步芽

【极致中配】神经网络和深度学习(Course 1 of the Deep Learning Specialization)

深度学习专项课程第一门，从逻辑回归讲到深层神经网络，系统讲解前向/反向传播、激活函数、向量化与梯度下降等核心原理并配套编程实践。

难度
难度 3/5 — 需一定编程与微积分线代基础，但概念讲解循序渐进
适合人群
想入门深度学习、有基础编程能力的学生与工程师
前置要求
Python编程（含NumPy向量化操作）、微积分（导数与链式法则，用于理解梯度下降与反向传播）、线性代数（矩阵与向量运算基础）、概率统计（了解基本概念即可，非硬性要求）
课程规模
43 讲 · 2752播放
在 B 站免费观看 →就这门课提问 →排进我的学习路线

主题覆盖

神经网络基础逻辑回归梯度下降计算图反向传播向量化激活函数浅层神经网络深层神经网络前向传播随机初始化参数与超参数

课程大纲（43 讲）

  1. P1 · C1W1L01 Welcome Deep Learning Specialization4 分钟
  2. P2 · C1W1L02 What is a Neural Network4 分钟
  3. P3 · C1W1L03 Supervised Learning with a Neural Network5 分钟
  4. P4 · C1W1L04 Why is deep learning taking off6 分钟
  5. P5 · C1W1L05 About This Course1 分钟
  6. P6 · C1W1L06 Course Resources1 分钟
  7. P7 · C1W2L01 Binary Classification5 分钟
  8. P8 · C1W2L02 Logistic Regression3 分钟
  9. P9 · C1W2L03 Logistic Regression Cost Function5 分钟
  10. P10 · C1W2L04 Gradient Descent7 分钟
  11. P11 · C1W2L05 Derivatives4 分钟
  12. P12 · C1W2L06 More Derivative Examples6 分钟
  13. P13 · C1W2L07 Computation Graph2 分钟
  14. P14 · C1W2L08 Derivatives With Computation Graphs8 分钟
  15. P15 · C1W2L09 Logistic Regression Gradient Descent4 分钟
  16. P16 · C1W2L10 Gradient Descent on m Examples5 分钟
  17. P17 · C1W2L11 Vectorization5 分钟
  18. P18 · C1W2L12 More Vectorization Examples4 分钟
  19. P19 · C1W2L13 Vectorizing Logistic Regression4 分钟
  20. P20 · C1W2L14 Vectorizing Logistic Regression's Gradient Computation6 分钟
  21. P21 · C1W2L15 Broadcasting in Python7 分钟
  22. P22 · C1W2L16 A Note on Python/Numpy Vectors4 分钟
  23. P23 · C1W2L17 Quick Tour of Jupyter/iPython Notebooks2 分钟
  24. P24 · C1W2L18 Explanation of Logistic Regression's Cost Function4 分钟
  25. P25 · C1W3L01 Neural Network Overview2 分钟
  26. P26 · C1W3L02 Neural Network Representations3 分钟
  27. P27 · C1W3L03 Computing Neural Network Output6 分钟
  28. P28 · C1W3L04 Vectorizing Across Multiple Examples5 分钟
  29. P29 · C1W3L05 Explanation For Vectorized Implementation4 分钟
  30. P30 · C1W3L06 Activation Functions6 分钟
  31. P31 · C1W3L07 Why Non-linear Activation Functions3 分钟
  32. P32 · C1W3L08 Derivatives Of Activation Functions4 分钟
  33. P33 · C1W3L09 Gradient Descent For Neural Networks6 分钟
  34. P34 · C1W3L10 Backpropagation Intuition9 分钟
  35. P35 · C1W3L11 Random Initialization5 分钟
  36. P36 · C1W4L01 Deep L-Layer Neural Network3 分钟
  37. P37 · C1W4L02 Forward Propagation in a Deep Network4 分钟
  38. P38 · C1W4L03 Getting Matrix Dimensions Right6 分钟
  39. P39 · C1W4L04 Why Deep Representations7 分钟
  40. P40 · C1W4L05 Building Blocks of a Deep Neural Network5 分钟
  41. P41 · C1W4L06 Forward and Backward Propagation6 分钟
  42. P42 · C1W4L07 Parameters vs Hyperparameters4 分钟
  43. P43 · C1W4L08 What does this have to do with the brain2 分钟

本课程卡由 AI 生成，可能存在误差，欢迎反馈。