DeepLearning学习指南

本指南内含吴恩达的DeepLearning的课程介绍、学习资料整合、学习建议等内容。本课是萌新入门深度学习的不二之选。

1. 课程介绍

• 课程名称：DeepLearning
• 课程教师：吴恩达
• 课程内容：神经网络、项目实战、图像处理、自然语言处理
• 前置知识：高中导数知识、线性代数基础知识
• 课程难度：简单，推荐新人学习
• 知识清单：神经网络、项目实战、图像处理、自然语言处理
• 课程特点：通俗易懂，兼顾数学基础与代码实战
• 适用人群：本科及以上人群

2. 资料整合

• 视频：Coursera（付费内容，内含作业） | 网易云课堂（官方授权，无作业）
• 代码：课件+作业（盗版资源） 作业运行环境见环境安装

3. 学习建议

3.1 课程涉及内容

DeepLearning是一个系列的课程，内含5门课，每门课需要2-4周的学习时间。

这五门课分别为：

• 1. 神经网络基础知识
• 2. 神经网络进阶知识
• 3. 深度学习项目分析
• 4. 卷积神经网络（图像）
• 5. 循环神经网络（自然语言）

如果速刷（观看视频+编写课程代码作业）每门课2-3天可学完。

但笔者不推荐速刷。推荐读者按着自己的学习速度，将前三门课连续学完为佳。第四、五门课根据个人需求，选择性学习。从事图像领域则学习第四门，自然语言处理则学习第五门。

3.2 我想快速入门，应该学习哪些内容？

前三门课程必学。根据个人所需要研究的领域选择性学习图像处理（CNN卷积网络）和自然语言处理（RNN循环神经网络）。第三门课可以放在最后在学。

则，图像处理方向学习步骤为1,2,4,3；自然语言处理方向学习步骤为1,2,5,3

3.3 我之后应该学习那些课程？

• 图像领域 CS231N
• 自然语言处理 CS224N
• 强化学习 CS294-122

笔者已学完本课全部内容，读者若有对本课知识不懂的地方，欢迎在微信公众号“技术杂学铺”中留言讨论。