截止到2017年10月25日，吴恩达在Coursera上有3门深度学习课程:
第一课：神经网络和深度学习（Neural Networks and Deep Learning）
第二课：改善深度神经网络:调优超参数，正则化和优化（Improving Deep Neural Networks: Hyperparamater tuning, Regularization and Optimization）
第三课：构建机器学习项目（Structuring Machine Learning Projects）
终于，11月6日吴恩达将在deeplearning.ai上开放第四节课程，这次课程的主要内容围绕卷积神经网络（CNNs）。
根据网站上的介绍，第四课将教你如何建立卷积神经网络，并将其应用于图像数据。正如你所知道的，计算机得益于深度学习，它的视觉效果比两年前要好得多，现在有许多令人激动的应用，从安全的自动驾驶，到准确的面部识别，再到自动解读放射图像。
完成这门课程后，你将会：
- 了解如何建立一个卷积神经网络，包括新近变化，如残差网络（residual networks）。
- 知道如何将卷积网络应用到视觉检测和识别任务中。
- 知道使用神经风格转变来产生艺术作品。
- 能够将这些算法应用到各种图像、视频和其他二维或三维数据中。
本课程适用人群：
-已经学习了前两门专业课程，第三门课程是推荐学习的。
-已经对神经网络相关内容有了坚实的理解，并且想要学习卷积神经网络或处理图像数据。
教学方除了吴恩达之外，还有两名讲师，下面是他们的相关介绍：
本次课程的难易程度为中级，需要经过4周的时间来完成，每周花费4-5小时的学习时间。授课语言这次只以英语形式进行。其次，这节课目前还没有对你的硬件有任何要求，除非你想在本地下载Jupyter Notebook，以便进行离线工作。
最后，大家最关心的可能还是如何完成这门课程并拿到相关证书，要求就是通过所有记分作业即可。
本文为AiTechYun出品，转载请注明出处。更多内容关注微信公众号：atyun_com
