这是深度学习系列课程中的第二门课。
学完这门课之后,你将会:
- 理解业界构建深度神经网络应用最有效的做法。
- 能够高效地使用神经网络通用的技巧,包括初始化、L2和dropout正则化、Batch归一化、梯度检验。
- 能够实现并应用各种优化算法,例如mini-batch、Momentum、RMSprop和Adam,并检查它们的收敛程度。
- 理解深度学习时代关于如何构建训练/开发/测试集以及偏差/方差分析最新最有效的方法。
- 能够用TensorFlow实现一个神经网络。
这门课将会详尽地介绍深度学习的基本原理,而不仅仅只进行理论概述。
当你完成这系列课程之后,你就能够将深度学习运用到你的个人应用中,调教出属于你自己的AI。
如果你正在找与人工智能有关的工作,那么,在学习完这门课后,应对面试官提问的基础面试问题就绰绰有余了。
本课程为深度学习系列课程第二讲,完整中文课程请到网易云课堂学习
制作方:deeplearning.ai
原载于:Coursera
需要有基本的数学、编程和机器学习基础。
无