吴恩达从百度离职几个月之后，终于带着自己的最新项目Deeplearning.ai强势回归。今天就给大家分享NG吴即将推出的深度学习强势课程-深度学习专业化。NG制作，必属精品。
本专项课程介绍
如果你想了解和学习AI，这个专业化课程将可以帮助你。深度学习是技术中最受追捧的技能之一。我们将帮助您成为擅长深度学习的专业者。
在五个课程中，您将学习深度学习的基础，了解如何构建神经网络，并学习如何成功领导的机器学习项目。您将了解卷积网络，RNN，LSTM，Adam，Dropout，BatchNorm，Xavier / He初始化等知识。您将从保健，自主驾驶，手语阅读，音乐生成和自然语言处理的案例开始研究工作。你不仅可以掌握深度学习的理论，而且还会看到它在工业中的应用。您将在Python和TensorFlow中练习这些想法，我们将教授这些想法。
您还将接触许多深度学习的高级研究者，他们将与您分享他们的个人故事并给您一些职业建议。AI正在转变多个行业。完成这一专业学习之后，您可能会找到很多创造性的方式，将其应用到您的工作中。我们将帮助您掌握深度学习，了解如何应用，并在AI中规划职业生涯。
5门课程
按照建议的顺序或选择您自己的顺序。旨在帮助您实践和应用所学到的技能。
项目概览：
您将在医疗保健，自主驾驶，手语阅读，音乐生成和自然语言处理方面看到并开展案例研究。您还将为其中几个应用程序搭建最先进的深度学习模型。在“机器学习飞行模拟器”项目中，您将通过案例研究，获得类似专业的机器学习Team中进行研究工作的体验。
deeplearning.ai还与NVIDIA深度学习研究所（DLI）合作，为实验室提供先进的特定应用主题，并让学习者访问GPU进行编程分配。这将为您提供一个机会，在尖端的，类似行业专业的环境中建立深入的学习项目。
课程
初学者专业化
不需要任何经验。
1. 第1门课程
神经网络与深度学习
即将开课的班次：8月15日至9月18日。
课程学习时间
4周的学习，每周3-6小时
字幕 英语
课程概述
如果你想进行前沿的AI技术的研究，这个课程将帮助你这样做。深度学习工程师受到高度的追捧，掌握深度学习将为您带来无数新的职业机会。深度学习也是一个新的“超级大国”，将让您建立在几年前不可能实现的人工智能系统。
在本课程中，您将学习深度学习的基础。完成这个课程后，您将：
- 了解驱动深度学习的主要技术趋势
- 能够构建，训练和应用完全连接的深层神经网络
- 了解如何实现高效（矢量化）神经网络
- 了解神经网络的架构中的关键参数
本课程还教你深度学习是怎样实际工作的，而不是只提供粗略的或表面级的描述。所以在完成之后，你将能够深度学习技术应用于你自己的应用程序中。如果您正在AI工作，在学完本课程之后，您还可以回答基本面试问题。这是深度学习专业化的第一门课程。
2. 第2门课程
改进深层神经网络：超参数调优，正则化和优化
即将开课的班次：8月15日至9月11日
课程学习时间 3周，每周3-6小时
字幕 英语
课程概述
本课程将教你一些 “魔术”，是深度学习如何更好的工作。而不是把深度学习过程当做一个黑盒子，您将了解什么驱动着性能，并能够更系统地获得好的结果。您还将学习TensorFlow。
3周后，您将：
- 了解建立深度学习应用程序的行业最佳实践。
- 能够有效地使用常用的神经网络“技巧”，包括初始化，L2和dropout正则化，批量归一化，梯度校验，
- 能够实现和应用各种优化算法，如迷你批量梯度下降，动量，RMSprop和Adam，并检查其收敛。
- 了解如何设置训练/开发/测试集和分析偏差/差异的深度学习时代的新的最佳实践
- 能够在TensorFlow中实现神经网络。这是深度学习专业化的第二课程。
3. 第3门课程
结构机器学习项目
即将开课的班次：8月15日至9月4日。
课程学习时间 2周的学习，3-4小时/周
字幕 英语
课程概述
您将学习如何建立一个成功的机器学习项目。如果您希望成为AI的技术领导者，并且知道如何为团队的工作确定方向，本课程将向您展示如何做。
这些内容中的大部分内容从来没有在其他地方进行过教学，并且来自于我建立和运送许多深度学习产品的经验。本课程还有两个“飞行模拟器”实践，可让您作为机器学习项目负责人进行决策。这提供了“行业经验”，您可能只有经过多年的ML工作经验才能获得。
2周后，您将：
- 了解如何诊断机器学习系统中的错误，以及
- 优先考虑最有前途，减少错误的方向
- 了解复杂的ML设置，例如不匹配的训练/测试集，比较和/或超越人力水平的表现
- 了解如何应用端到端学习，转移学习和多任务学习
我已经看到团队因为不了解本课程所教导的原则，浪费了几个月或几年。我希望这两周的课程可以节省你几个月的时间。这是一个独立的课程，只要你有基本的机器学习知识，你就可以学习。这是深度学习专业化的第三课。
4. 第4门课程
卷积神经网络
于不久开始
字幕 英语
课程概述
本课程将教您如何构建卷积神经网络并将其应用于图像数据。因为深度学习技术促进，计算机视觉的工作成绩已经远远超过两年前，这使得许多令人兴奋的应用程序，从安全的自主驾驶到准确的人脸识别，到自动阅读放射学图像。
您将：
- 了解如何构建卷积神经网络，包括recent variations，如残留网络。
- 知道如何将卷积网络应用于视觉检测和识别任务。
- 知道使用神经样式转移来产生艺术。
- 能够将这些算法应用于各种图像，视频和其他2D或3D数据。
这是深度学习专业化的第四课。
5. 第5门课程
序列模型
于不久开始
字幕 英语
课程概述
本课程将教您如何构建自然语言，音频和其他序列数据的模型。由于深度学习，顺序算法的工作远远好于两年前，这使得语音识别，音乐综合，聊天室，机器翻译，自然语言理解等众多令人兴奋的应用程序。
您将：
- 了解如何构建和训练循环神经网络（RNN）以及常用的变体，如GRU和LSTM。
- 能够将序列模型应用于自然语言问题，包括文本合成。
- 能够将序列模型应用于音频应用，包括语音识别和音乐合成。
这是深度学习专业化的第五个，也是最后一个课程。
制作方：
deeplearning.ai致力于通过分享有关该领域的知识来推进AI。我们希望欢迎更多的人深入学习和AI。
deeplearning.ai是Andrew Ng的新业务，其中包括为跨国界提供全面的AI教育。
Andrew NG
联合创始人，Coursera; 斯坦福大学兼职教授; 曾任百度AI集团/ Google Brain的负责人
·
教学助理 - Younes Bensouda Mourri
斯坦福大学数学与计算科学系
教学助理 - 启安·卡坦福洛斯
斯坦福大学硕士（Walter J. Gores 2017），巴黎高等商学院
专项课程源网页：
https://www.coursera.org/specializations/deep-learning
获取更多深度学习最新资讯快速通道：
获取最新消息快速通道 - lqfarmer的博客 - CSDN博客
更多深度学习在NLP方面应用的经典论文、实践经验和最新消息，欢迎关注微信公众号“深度学习与NLP”或“DeepLearning_NLP”或扫描二维码添加关注。
