这里有Coursera吴恩达《深度学习》课程的完整学习笔记，一共5门课：《神经网络和深度学习》、《改善深层神经网络》、《结构化机器学习项目》、《卷积神经网络》和《序列模型》，最后附上人工智能领域大师访谈，干货满满。
第一门课：神经网络和深度学习基础，介绍一些基本概念。（四周）
第二门课：深度学习方面的实践，严密的构建神经网络，如何真正让它表现良好。超参数调整，正则化诊断偏差和方差，高级优化算法，如Momentum和Adam算法。（三周）
第三门课：学习如何结构化你的机器学习项目，构建机器学习系统的策略改变深度学习的错误，以及端对端深度学习。（两周）
第四门课：大名鼎鼎的卷积神经网络CNN，常应用于图像领域，介绍如何搭建这样的模型，包括卷积层，池化层和全连接层这些组件；经典模型（VGG、AlexNet和LeNet-5，以及ResNets和Inception系列）。（四周）
第五门课：序列模型，如何将它们应用于自然语言处理以及其他问题。系列模型包括的模型有循环神经网络RNN，长短期记忆网络LSTM模型，应用于序列数据NLP，或者语音识别或者编曲。（三周）
下面给出具体笔记链接：
01 神经网络和深度学习（Neural Networks and Deep Learning）
1-1 深度学习概论
1-1 Coursera吴恩达《神经网络与深度学习》第一周课程笔记-深度学习概论
1-2 神经网络基础
1-2 Coursera吴恩达《神经网络与深度学习》第二周课程笔记-神经网络基础
1-3 浅层神经网络
1-3 Coursera吴恩达《神经网络与深度学习》第三周课程笔记-浅层神经网络
1-4 深层神经网络
1-4 Coursera吴恩达《神经网络与深度学习》第四周课程笔记-深层神经网络
02 改善深层神经网络：超参数调试、正则化以及优化（Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization）
2-1 深度学习的实践方面
2-1 Coursera吴恩达《改善深度神经网络》 第一周课程笔记-深度学习的实践方面
2-2 优化算法
2-2 Coursera吴恩达《改善深度神经网络》第二周课程笔记-优化算法
2-3 超参数调试和Batch Norm及框架
2-3 Coursera吴恩达《改善深度神经网络》第三周课程笔记-超参数调试、Batch正则化和编程框架
03 结构化机器学习项目（Structuring Machine Learning Projects）
3-1 机器学习策略（1）
3-1 Coursera吴恩达《构建机器学习项目》 第一周课程笔记-机器学习策略（1）
3-2 机器学习策略（2）
3-2 Coursera吴恩达《构建机器学习项目》 第二周课程笔记-机器学习策略（2）
04 卷积神经网络（Convolutional Neural Networks）
4-1 卷积神经网络基础
4-1 Coursera吴恩达《卷积神经网络》 第一周课程笔记-卷积神经网络基础
4-2 卷积神经网络实例模型
4-2 Coursera吴恩达《卷积神经网络》 第二周课程笔记-深度卷积模型：实例探究
4-3目标检测
4-3 Coursera吴恩达《卷积神经网络》 第三周课程笔记-目标检测
4-4 特殊应用：人脸识别和神经风格迁移
4-4 Coursera吴恩达《卷积神经网络》 第四周课程笔记-特殊应用：人脸识别和神经风格转换
05 序列模型(Sequence Models)
5-1 循环神经网络
5-1 Coursera吴恩达《序列模型》 第一周课程笔记-循环序列网络(RNN)
5-2 自然语言处理和词嵌入
5-2 Coursera吴恩达《序列模型》 第二周课程笔记-自然语言处理和词嵌入
5-3 序列模型和注意力机制
5-3 Coursera吴恩达《序列模型》 第三周课程笔记-序列模型和注意力机制
06 人工智能大师访谈
【人工智能行业大师访谈1】吴恩达采访 Geoffery Hinton
【人工智能行业大师访谈2】吴恩达采访 Pieter Abbeel
【人工智能行业大师访谈3】吴恩达采访 Ian Goodfellow
【人工智能行业大师访谈4】吴恩达采访Yoshua Bengio
【人工智能行业大师访谈5】吴恩达采访林元庆
【人工智能行业大师访谈6】吴恩达采访 Andrej Karpathy
【人工智能行业大师访谈7】吴恩达采访 Ruslan Salakhutdinov
说明：记录学习笔记，如果错误欢迎指正！写文章不易，转载请联系我。