This course will teach you the "magic" of getting deep learning to work well. Rather than the deep learning process being a black box, you will understand what drives performance, and be able to more systematically get good results. You will also learn TensorFlow.
深度学习 专项课程deeplearning.ai课程信息
1,635,998 次近期查看
学生职业成果
41%
完成这些课程后已开始新的职业生涯
37%
通过此课程获得实实在在的工作福利
12%
加薪或升职
可分享的证书
完成后获得证书
100% 在线
立即开始，按照自己的计划学习。
第 2 门课程（共 5 门）
可灵活调整截止日期
根据您的日程表重置截止日期。
初级
完成时间大约为18 小时
英语（English）
字幕：中文（繁体）, 中文（简体）, 巴西葡萄牙语, 韩语, 土耳其语（Turkish）, 英语（English）, 西班牙语（Spanish）
您将获得的技能
HyperparameterTensorflowHyperparameter OptimizationDeep Learning
学生职业成果
41%
完成这些课程后已开始新的职业生涯
37%
通过此课程获得实实在在的工作福利
12%
加薪或升职
可分享的证书
完成后获得证书
100% 在线
立即开始，按照自己的计划学习。
第 2 门课程（共 5 门）
可灵活调整截止日期
根据您的日程表重置截止日期。
初级
完成时间大约为18 小时
英语（English）
字幕：中文（繁体）, 中文（简体）, 巴西葡萄牙语, 韩语, 土耳其语（Turkish）, 英语（English）, 西班牙语（Spanish）
提供方
deeplearning.ai
Founded by Andrew Ng, deeplearning.ai is on a mission to make world-class AI education accessible to people around the globe so that we can all benefit from an AI-powered future.
教学大纲 - 您将从这门课程中学到什么
完成时间为 8 小时
Practical aspects of Deep Learning
完成时间为 8 小时
15 个视频 （总计 131 分钟）, 3 个阅读材料, 4 个测验
15 个视频
Bias / Variance8分钟
Basic Recipe for Machine Learning6分钟
Regularization9分钟
Why regularization reduces overfitting?7分钟
Dropout Regularization9分钟
Understanding Dropout7分钟
Other regularization methods8分钟
Normalizing inputs5分钟
Vanishing / Exploding gradients6分钟
Weight Initialization for Deep Networks6分钟
Numerical approximation of gradients6分钟
Gradient checking6分钟
Gradient Checking Implementation Notes5分钟
Yoshua Bengio interview25分钟
3 个阅读材料
Clarification about Upcoming Regularization Video1分钟
Clarification about Upcoming Understanding dropout Video1分钟
Clarification about Upcoming Normalizing Inputs Video1分钟
1 个练习
Practical aspects of deep learning30分钟
完成时间为 5 小时
Optimization algorithms
完成时间为 5 小时
11 个视频 （总计 92 分钟）, 2 个阅读材料, 2 个测验
11 个视频
Understanding mini-batch gradient descent11分钟
Exponentially weighted averages5分钟
Understanding exponentially weighted averages9分钟
Bias correction in exponentially weighted averages4分钟
Gradient descent with momentum9分钟
RMSprop7分钟
Adam optimization algorithm7分钟
Learning rate decay6分钟
The problem of local optima5分钟
Yuanqing Lin interview13分钟
2 个阅读材料
Clarification about Upcoming Adam Optimization Video1分钟
Clarification about Learning Rate Decay Video1分钟
1 个练习
Optimization algorithms30分钟
完成时间为 5 小时
Hyperparameter tuning, Batch Normalization and Programming Frameworks
完成时间为 5 小时
11 个视频 （总计 104 分钟）, 2 个阅读材料, 2 个测验
11 个视频
Using an appropriate scale to pick hyperparameters8分钟
Hyperparameters tuning in practice: Pandas vs. Caviar6分钟
Normalizing activations in a network8分钟
Fitting Batch Norm into a neural network12分钟
Why does Batch Norm work?11分钟
Batch Norm at test time5分钟
Softmax Regression11分钟
Training a softmax classifier10分钟
Deep learning frameworks4分钟
TensorFlow16分钟
2 个阅读材料
Clarifications about Upcoming Softmax Video1分钟
Note about TensorFlow 1 and TensorFlow 210分钟
1 个练习
Hyperparameter tuning, Batch Normalization, Programming Frameworks30分钟
审阅
来自IMPROVING DEEP NEURAL NETWORKS: HYPERPARAMETER TUNING, REGULARIZATION AND OPTIMIZATION的热门评论
由 YL 提供Feb 20, 2018
very useful course, especially the last tensorflow assignment. the only reason i gave 4 stars is due to the lack of practice on batchnorm, which i believe is one of the most usefule techniques lately.
由 CV 提供Dec 23, 2017
Exceptional Course, the Hyper parameters explanations are excellent every tip and advice provided help me so much to build better models, I also really liked the introduction of Tensor Flow Thanks.
由 AS 提供Apr 18, 2020
Very good course to give you deep insight about how to enhance your algorithm and neural network and improve its accuracy. Also teaches you Tensorflow. Highly recommend especially after the 1st course
由 NA 提供Jan 13, 2020
After completion of this course I know which values to look at if my ML model is not performing up to the task. It is a detailed but not too complicated course to understand the parameters used by ML.
关于 深度学习 专项课程
If you want to break into AI, this Specialization will help you do so. Deep Learning is one of the most highly sought after skills in tech. We will help you become good at Deep Learning.
In five courses, you will learn the foundations of Deep Learning, understand how to build neural networks, and learn how to lead successful machine learning projects. You will learn about Convolutional networks, RNNs, LSTM, Adam, Dropout, BatchNorm, Xavier/He initialization, and more. You will work on case studies from healthcare, autonomous driving, sign language reading, music generation, and natural language processing. You will master not only the theory, but also see how it is applied in industry. You will practice all these ideas in Python and in TensorFlow, which we will teach.
You will also hear from many top leaders in Deep Learning, who will share with you their personal stories and give you career advice.
AI is transforming multiple industries. After finishing this specialization, you will likely find creative ways to apply it to your work.
We will help you master Deep Learning, understand how to apply it, and build a career in AI.
常见问题
我什么时候能够访问课程视频和作业？
讲座和作业的访问权限取决于您的注册类型。如果您以旁听模式参加课程，则可以免费查看大多数课程资料。要访问评分作业并获得证书，您需要在旁听期间或之后购买证书体验。如果看不到旁听选项：
- 课程可能不提供旁听选项。您可以尝试免费试用，也可以申请助学金。
- 课程可能会改为提供'完整课程，没有证书'。通过此选项，您可以查看所有课程材料、提交所要求的作业，以及获得最终成绩。这也意味着您将无法购买证书体验。
我订阅此专项课程后会得到什么？
您注册课程后，将有权访问专项课程中的所有课程，并且会在完成课程后获得证书。您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容，可以免费旁听课程。
退款政策是如何规定的？
如果订阅，您可以获得 7 天免费试听，在此期间，您可以取消课程，无需支付任何罚金。在此之后，我们不会退款，但您可以随时取消订阅。请阅读我们完整的退款政策。
有助学金吗？
是的，Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请，申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤，包括毕业项目。了解更多。
完成课程后，我会获得大学学分吗？
此课程不提供大学学分，但部分大学可能会选择接受课程证书作为学分。查看您的合作院校，了解详情。Coursera 上的在线学位和 Mastertrack™ 证书提供获得大学学分的机会。
还有其他问题吗？请访问 学生帮助中心。
