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